我们已经更新我们的隐私政策使它更加清晰我们如何使用您的个人资料。

我们使用cookie来提供更好的体验。你可以阅读我们的饼干的政策在这里。

广告

人工智能在显微镜:机遇、挑战和未来


想要一个免费的PDF版本的这个行业洞察力?

完成下面的表格,我们将电子邮件您的PDF版本“AI在显微镜:机遇、挑战和未来”

188金宝搏备用科技网络有限公司需要您提供的联系方式联系你关于我们的产品和服务。你可以随时取消订阅这些通讯。如何取消订阅的信息,以及我们的隐私实践和承诺保护你的隐私,看看我们隐私政策

生物图像处理和分析为研究人员往往是费力而复杂的任务。Aivia旨在帮助研究人员解决最具挑战性的成像应用人工智能(AI)引导图像分析和可视化的解决方案。

188金宝搏备用
徕卡Aivia与卢西亚诺·卢卡斯博士,主任,to了解更多关于生物图像分析的挑战以及人工智能可以帮助克服它们。在这次采访中,卢卡斯博士也解释了一些潜在的壁垒广泛采用人工智能AI显微镜在实验室和分享他的意见可能是未来的发展方向。

安娜·麦克唐纳(上午):研究人员面临的挑战是什么时候进行生物图像分析?人工智能可以帮助解决这些问题如何?

卢西亚诺·卢卡斯博士(LL):
研究人员在生物制药/生命科学空间面临各种各样的问题时,图像处理和图像分析。关键问题我们已经确定了和正在):

1)最先进的人工智能技术开发、实现和可访问性(AI显微镜)。这种类型的技术使完成之前不可能运行实验。然而,AI显微镜是一个新学科,需要进一步的研究,验证和鉴定。我们和其他社区非常活跃在这个重要的任务。经过四年半的研发,我们有足够的信心向公众发布的一些工作我们已经完成为pre-trained深度学习模型(见我们3 d RCAN纸和Aivia DL模型库)或使软件工具,允许每个人都利用一些关键AI显微镜技术(例如AiviaCloud)。

2)固有的图像质量。图像采集和图像分析是相互分离的。这往往导致创建大量的图像数据,不是“足够好”进行分析。

3)数据大小。这带来了各种各样的问题在可视化和分析方面。

4)结果的准确性和重现性。都是一个重要的科学发现过程的一部分。

5)工具的复杂性。制作工具,很容易学习和使用至关重要——这通常是采用下欣赏。

我们的研究工作主要集中在项目上面,但是我们也有活跃的内部研发项目的地址。当我们解决上述关键主题我们努力提高科学发现基于图像数据的速率。我们相信这可以通过提高我们(人类)与软件和硬件进行交互。今天工具忽略了一个事实,研究人员是在生物学专家(或类似的学科)和可能非常有限的专业知识在显微镜,图像分析和/或数据科学/机器学习(ML) /深度学习(DL) /人工智能。通过创建工具,承认并利用生物学家的专业知识我们可以创建智能工具,学习从用户(生物学)。这些工具会逐渐了解细胞是什么以及它能看起来像在多个场景。最终,软件/硬件应该能够自动成像和图像分析,从而使研究者关注的创造性和批判性思维部分科学发现的过程。

问:采用人工智能实验室有多容易?有障碍需要克服吗?

噢,
从可用性的角度,它是很容易的。Aivia是一个关键的专业开发和支持软件平台,任何人都可以使用的。有几个开源项目,提供了强大的技术解决方案在这个空间。问题/问题广泛采用的工具和技术的复杂性。人工智能是一个新的主题在显微镜/生物医学科学社区。因此,很少有专家和更少的好工具。

在过去的三年里我们已经看到一个主要的预印和同行评议的出版物使用AI显微镜以及创建几个高知名度的牺牲品的课程和专题讨论会的主题(请参阅AI显微镜研讨会)。我希望出版物的数量继续增加在未来几年的这种类型的方法分割出实验室/组织/公司已开拓,成为“主流”。这个社区的领导人将需要继续他们的宣传和教育活动,反过来这将有助于解决上述关键问题。

它是创建的关键工具(软件和硬件),清楚地显示显微镜的AI值。今天的最佳AI-powered工具可以实现很多的ML / DL专家,但在大多数情况下,不容易使用非专家在这个空间。我们的团队非常意识到这个,重点是创建工具(Aivia / AiviaWeb / AiviaCloud)消除复杂性而交付的全部威力为显微镜应用人工智能。

问:你能告诉我们更多关于Aivia使它什么?

噢,
Aivia让AI显微镜并向所有人开放。从图像恢复和超分辨率图像分割和虚拟染色,我们能做的一切在一个易于使用的平台。Aivia也是伟大的大(多TB)数据集和有几个良好的自动化解决方案和再现性。

问:你在商店看到的未来人工智能在显微镜吗?

噢,
这是一个真正的快乐在这个领域工作,几乎每天都遇到新思想变革和巨大的潜力。以下是一些我最喜欢的(不是全部用于显微镜世界——至少目前还没有)。

· GPT3

· 变形金刚

· 洪水填充网络

· 聪明的显微镜

· U-net

· 护理

· 神经形态处理单元

· 光学深度学习

· 虚拟染色


在接下来的几十年里,我们将逐步从人工智能解决方案/工具好”(即人类层次的性能)系统1“学习和思考,人工智能代理可以做“系统2”学习和思考。这是真正的挑战在显微镜和更普遍。人类将可能保持远优于人工智能代理的任务需要集成和考虑多个不完整,多域的数据源。我们创造更好的人工智能代理系统2的方式可以更经常,人类将能够花更多的时间来创造和创新的任务,如创建科学假设、设计实验来测试那些和解释人工智能代理提供的见解。

卢西亚诺·卢卡斯博士是安娜·麦克唐纳,科普作家技术网络。188金宝搏备用

满足作者
安娜·麦克唐纳
安娜·麦克唐纳
科学作家
广告
Baidu