Ανάλυση δεδομένων κυτταρικής μικροσκοπίας με τεχνητή νοημοσύνη στο σύννεφο στο πλαίσιο του έργου ABiOMiCeC

Στάθης Χατζηδημητρίου¹, Άδωνις Χατζηγεωργίου², Luca Ferrarini¹, Ράνια Χατζησάββα², Ιωάννα Παναγιώτου¹, Πάρις Σκουρίδης²

¹Τμήμα Τεχνολογιών Πληροφορικής, Πανεπιστήμιο Λεμεσού, Λευκωσία, Κύπρος, ²Τμήμα Βιολογικών Επιστημών, Πανεπιστήμιο Κύπρου, Λευκωσία, Κύπρος

Η απεικόνιση με οπτική μικροσκοπία είναι απαραίτητη για βιολογικές και βιοϊατρικές μελέτες σε πανεπιστήμια, παθολογικά τμήματα νοσοκομείων, καθώς και στη φαρμακευτική βιομηχανία. Μπορεί να συνδυαστεί αποτελεσματικά με τη σύγχρονη βαθιά μάθηση για νευρωνικά δίκτυα, τα οποία διαδραματίζουν καθοριστικό ρόλο στην τρέχουσα σημαντική ανάπτυξη της τεχνητής νοημοσύνης. Αυτές οι μεθοδολογίες είναι ιδιαίτερα σημαντικές για μελέτες που σχετίζονται με τη φαινοτυπική ανάλυση και την αξιολόγηση των θεραπειών για τον καρκίνο.
Η βιοϊατρική μικροσκοπία γίνεται όλο και πιο εκτεταμένη και πολύπλοκη. Τα σύνολα δεδομένων που αποκτώνται μπορεί να περιλαμβάνουν εικόνες που λαμβάνονται από μικροσκοπία αντίθεσης φάσης, μελέτες χρονοδιαδρομής, πολυτροπική απεικόνιση ή ογκομετρικά σύνολα δεδομένων. Οι συνεργάτες μας στο Πανεπιστήμιο Κύπρου πραγματοποιούν νέες μελέτες απεικόνισης σύμφωνα με τους στόχους του έργου. Το τεράστιο μέγεθος αυτών των συνόλων δεδομένων αποτελεί πρόκληση αποθήκευσης για ορισμένα εργαστήρια.
Η διαδικασία εξαγωγής πληροφοριών από τα δεδομένα γίνεται όλο και πιο πολύπλοκη. Τα σύνολα δεδομένων εξετάζονται συχνά μέσω άμεσης παρατήρησης ή χειροκίνητα, πράγμα που μπορεί να είναι χρονοβόρο και περιοριστικό. Αυτό εγείρει την ανάγκη για εποπτευόμενη και, όταν είναι εφικτό, μη εποπτευόμενη ανάλυση. Ορισμένα σχετικά πακέτα λογισμικού είναι διαθέσιμα στην αγορά. Ωστόσο, παρέχουν παραδοσιακή λειτουργικότητα σε υψηλή τιμή και απαιτούν εκτεταμένες λήψεις σε έναν υπολογιστή εργασίας υψηλών προδιαγραφών για να φιλοξενηθούν. Η λειτουργία τους είναι επίσης δυσκίνητη.
Το έργο μας με ακρωνύμιο ABiOMiCeC (δηλαδή, Analysis of Biological Optical Microscopy Time-Lapse Video Sequences of Cells in the Cloud) στοχεύει στην ενίσχυση της υφιστάμενης επεξεργασίας με βάση τις αρχές, ενσωματώνοντας παράλληλα τις τελευταίες τάσεις στη βαθιά μάθηση για την ανάλυση και κατανόηση δεδομένων κυτταρικής βιολογικής μικροσκοπίας. Ένας ιδιαίτερος στόχος είναι η ανάλυση δεδομένων κυτταρικής απεικόνισης αντίθεσης φάσης. Οι στόχοι της μεθοδολογίας είναι η καταμέτρηση και ο χαρακτηρισμός κυτταρικών συμβάντων, όπως οι κυτταρικές διαιρέσεις, καθώς και η παρακολούθηση της κυτταρικής κίνησης. Αυτό είναι κατάλληλο για μελέτες υψηλής απόδοσης που αξιολογούν την αποτελεσματικότητα νέων χημειοθεραπευτικών φαρμάκων κατά του καρκίνου. Συγκεκριμένα, επιτρέπει την αξιολόγηση φαρμάκων για αυξημένη εξειδίκευση και μειωμένες παρενέργειες.
Το λογισμικό που αναπτύχθηκε περιλαμβάνει μια σειρά βημάτων. Πρώτον, προβαίνουμε σε προεπεξεργασία για την αφαίρεση αντικειμένων απεικόνισης και την ανακατασκευή εικόνων αντίθεσης φάσης. Το δεύτερο βήμα επικεντρώνεται στην ανίχνευση κυτταρικών διαιρέσεων σε βίντεο μικροσκοπίας αντίθεσης φάσης. Για να το επιτύχουμε αυτό, συνδυάζουμε μεθοδολογία αρχών με βαθιά μάθηση. Το τρίτο βήμα παρακολουθεί την κυτταρική κίνηση και την απόπτωση. Τέλος, υπολογίζει τη συνολική ανάλυση.

Το λογισμικό διαθέτει απλό περιβάλλον εργασίας χρήστη. Στην τελευταία φάση του έργου, τα εργαλεία λογισμικού για την επεξεργασία των ακολουθιών βίντεο θα είναι διαθέσιμα με ανοικτή πρόσβαση μέσω του cloud on demand. Αυτά θα καταστήσουν το λογισμικό εύκολα και ευρέως προσβάσιμο και θα επιτρέψουν στους χρήστες να παρέχουν χρήσιμα σχόλια.
Το έργο αυτό αποσκοπεί στην ενσωμάτωση της τελευταίας τεχνολογίας στη μικροσκοπική απεικόνιση με προηγμένη επεξεργασία εικόνας και βαθιά μάθηση και στη διάθεση αυτής της λειτουργίας μέσω του νέφους κατά παραγγελία. Αυτό μπορεί να αυξήσει την απόδοση στην αξιολόγηση νέων φαρμάκων για τη θεραπεία του καρκίνου.
Για περισσότερες πληροφορίες σχετικά με το έργο, μπορείτε να διαβάσετε το άρθρο:
Συμμετρία | Free Full-Text | Χωροχρονική ταυτοποίηση κυτταρικών διαιρέσεων με χρήση ιδιοτήτων συμμετρίας στη μικροσκοπία αντίθεσης φάσης με χρονική καθυστέρηση (mdpi.com)
Το έργο ABiOMiCeC αναγνωρίζει την υποστήριξη του Κυπριακού Ιδρύματος Έρευνας και Καινοτομίας στο πλαίσιο των προγραμμάτων RESTART 2016-2020, τα οποία συγχρηματοδοτούνται από εθνικούς και ευρωπαϊκούς πόρους.