Специалисты из НИУ ВШЭ – кампус в Санкт-Петербурге, совместно с коллегами Международного университета информационных технологий в Алматы (Казахстан), разработали систему автоматизации микроскопов, оснащенную встроенным искусственным интеллектом для анализа изображений. Новая методика позволила увеличить точность классификации микроорганизмов до 97,5%. Результаты исследования опубликованы опубликованов журнале Machine Learning and Knowledge Extraction.

Современные методы микробиологического исследования дают возможность детального изучения бактерий, грибов и простейших живых организмов. Однако традиционные подходы требуют ручной настройки оборудования и визуальной оценки результатов, что оказывает существенное влияние на их достоверность. Искусственный интеллект способен улучшить качество анализа изображений, особенно в биотехнологиях и клинической диагностике, где необходимо сопоставлять большое количество снимков.

Команда исследователей Школы информатики, физики и технологийНИУ ВШЭ – Санкт-Петербург, под руководством доцента департамента информатики и академического руководителя программы « Прикладная математика и информатика» Алексея Самарина совместно с коллегами из Международного университета информационных технологий в Алматы разработал создала систему автоматизации, предназначенную для микроскопов и включающую встроенный алгоритм Microscopy-Aware Attention (MAA). По словам методолога проекта и академического руководителя программы « Прикладной анализ данных и искусственный интеллект По словам Елены Михайловой, ключевым достоинством разработанного подхода является его независимость от определенной архитектуры и способность к самообучению благодаря использованию специализированных инструкций.

«Промышленные системы характеризуются высокой точностью, однако имеют высокую стоимость и не подлежат модификации. В связи с этим было принято решение сохранить штатную оптику серийного микроскопа и дополнить ее открытым модулем управления. Ключевой особенностью разработки является интеграция базы знаний по микроскопии непосредственно в механизм внимания искусственного интеллекта. Модель успешно прошла тестирование на различных архитектурах и продемонстрировала свою результативность во всех пяти исследованных категориях», – сообщила методолог проекта, академический руководитель программы «Прикладной анализ данных и искусственный интеллект» НИУ ВШЭ — Санкт-Петербург Елена Михайлова.

«На начальном этапе тестирования было зафиксировано, что наиболее распространенными причинами ошибок системы являлись некачественные изображения; при этом масштабные различия или отклонения в цветовой гамме оказывали меньшее влияние на точность поиска. В связи с этим мы можем утверждать, что четкость фокусировки и стабильное освещение являются основополагающими элементами цифровой микроскопии», – заключила Елена Михайлова.

В скором времени исследователи намерены провести испытания модели в различных лабораториях, используя различное оборудование, интегрировать ее в многоканальные нейронные сети и расширить функциональность за счет автоматических процессов. В дальнейшем систему существует возможность адаптации решения для применения в микробиологии, медицинской лабораторной диагностике и образовательной сфере.

Информация предоставлена пресс-службой НИУ ВШЭ