[Алгоритмы, Машинное обучение, Искусственный интеллект, Здоровье] Исследователи научили алгоритм находить на снимках зараженные вирусом клетки
Автор
Сообщение
news_bot ®
Стаж: 6 лет 7 месяцев
Сообщений: 27286
Исследователи из университета Цюриха обучили нейронную сеть распознавать клетки, инфицированные аденовирусами или вирусами герпеса. С помощью метода флуоресцентной микроскопии они собрали изображения клеток, на которых обучили алгоритм.
iStock.com / photomanФлуоресцентная микроскопия позволяет увидеть изменения в ядре клетки, пораженной вирусом. Она также помогает выявлять тяжелые острые инфекции на ранней стадии: у человека аденовирусы могут инфицировать клетки дыхательных путей, а вирусы герпеса - клетки кожи и нервной системы. Эти вирусы также могут вызывать стойкие инфекции, которые не может полностью подавить иммунная система и которые производят вирусные частицы в течение многих лет. Когда пораженные клетки выделяют активизируются, инфекция начинает быстро распространяться, что может привести к острым заболеваниям легких или нервной системы.Исследовательская группа Урса Гребера, профессора кафедры молекулярных наук, показала, что алгоритм машинного обучения может распознавать клетки, инфицированные герпесом или аденовирусами, исключительно на основе флуоресценции ядра. Авторы считают, что их разработка может предсказывать реакцию клеток человека на вирусы или микроорганизмы и открывает новые возможности для понимания инфекций и открытия новых активных агентов против патогенов.
Маркировка инфицированных HSV-1 и AdV клеток Метод анализа основан на сочетании флуоресцентной микроскопии живых клеток с процессами глубокого обучения. Герпес и аденовирусы, образующиеся внутри инфицированной клетки, изменяют организацию ядра, и эти изменения можно наблюдать под микроскопом. Группа разработала алгоритм глубокого обучения для автоматического обнаружения этих изменений. Сеть обучается с помощью большого набора микроскопических изображений и учится определять закономерности, характерные для инфицированных или неинфицированных клеток. 
Схема работы нейросетиИсследовательская группа также продемонстрировала, что алгоритм способен выявлять острые и тяжелые инфекции с точностью 95 % и заблаговременно, до 24 часов. Обучающим материалом послужили изображения живых клеток литических инфекций (когда вирус воспроизводит себя и убивает клетку-хозяина), а также изображения устойчивых инфекций, при которых вирусы производятся непрерывно, но только в небольших количествах. Группа уже обнаружила некоторые различия: внутреннее давление ядра больше при литических инфекциях, чем при устойчивых. 
Различия в давлении ядра клетокКроме того, в клетке с литической инфекцией вирусные белки быстрее накапливаются в ядре. Ранее исследователи из Nvidia и кафедры стволовых клеток и регенеративной биологии Гарвардского университета смогли разработать набор инструментов для глубокого обучения, чтобы помочь ученым изучать области ДНК, определяющие уникальную функцию клетки, даже когда данные ограничены или зашумлены. Обычно такое встречается при раннем обнаружении рака или генетических заболеваниях.
===========
Источник:
habr.com
===========
Похожие новости:
- [Машинное обучение, Научно-популярное, Физика, Астрономия] Изучаем машинное обучения на примере данных, полученных телескопом «Кеплер» (перевод)
- [Искусственный интеллект, Здоровье] Ежедневные беседы с ИИ помогут распознать ранние признаки болезни Альцгеймера
- [Здоровье] Массачусетское приложение уведомлений о заражении COVID-19 автоматически устанавливается на Android-смартфоны (перевод)
- [IT-инфраструктура, Серверное администрирование, Искусственный интеллект] Как зарегистрировать ваши сервисы в HPE InfoSight
- [Алгоритмы, Искусственный интеллект, Экология] Ученые создают нейросеть для оценки здоровья Байкала
- [Гаджеты, Робототехника, Офисы IT-компаний, Искусственный интеллект, Видеоконференцсвязь] Роботы телеприсутствия Ohmni, Double, Temi
- [Python, Машинное обучение, Natural Language Processing] Нейрозапятые, или как мы оставили своих редакторов без работы (ну почти)
- [Носимая электроника, Здоровье] Исследование показало, что Amazon Halo Band высчитывает процент жира в теле не хуже лабораторий
- [Программирование, Обработка изображений, Big Data, Машинное обучение] Помогите прочитать, что здесь написано? (OCR)
- [Программирование, Алгоритмы] Найти подстроку в строке
Теги для поиска: #_algoritmy (Алгоритмы), #_mashinnoe_obuchenie (Машинное обучение), #_iskusstvennyj_intellekt (Искусственный интеллект), #_zdorove (Здоровье), #_nejroseti (нейросети), #_glubokoe_obuchenie (глубокое обучение), #_virusy (вирусы), #_kletki (клетки), #_gerpes (герпес), #_infitsirovanie (инфицирование), #_mikroskopija (микроскопия), #_algoritmy (
Алгоритмы
), #_mashinnoe_obuchenie (
Машинное обучение
), #_iskusstvennyj_intellekt (
Искусственный интеллект
), #_zdorove (
Здоровье
)
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 21-Сен 11:52
Часовой пояс: UTC + 5
| Автор | Сообщение |
|---|---|
|
news_bot ®
Стаж: 6 лет 7 месяцев |
|
|
Исследователи из университета Цюриха обучили нейронную сеть распознавать клетки, инфицированные аденовирусами или вирусами герпеса. С помощью метода флуоресцентной микроскопии они собрали изображения клеток, на которых обучили алгоритм.  iStock.com / photomanФлуоресцентная микроскопия позволяет увидеть изменения в ядре клетки, пораженной вирусом. Она также помогает выявлять тяжелые острые инфекции на ранней стадии: у человека аденовирусы могут инфицировать клетки дыхательных путей, а вирусы герпеса - клетки кожи и нервной системы. Эти вирусы также могут вызывать стойкие инфекции, которые не может полностью подавить иммунная система и которые производят вирусные частицы в течение многих лет. Когда пораженные клетки выделяют активизируются, инфекция начинает быстро распространяться, что может привести к острым заболеваниям легких или нервной системы.Исследовательская группа Урса Гребера, профессора кафедры молекулярных наук, показала, что алгоритм машинного обучения может распознавать клетки, инфицированные герпесом или аденовирусами, исключительно на основе флуоресценции ядра. Авторы считают, что их разработка может предсказывать реакцию клеток человека на вирусы или микроорганизмы и открывает новые возможности для понимания инфекций и открытия новых активных агентов против патогенов.  Маркировка инфицированных HSV-1 и AdV клеток Метод анализа основан на сочетании флуоресцентной микроскопии живых клеток с процессами глубокого обучения. Герпес и аденовирусы, образующиеся внутри инфицированной клетки, изменяют организацию ядра, и эти изменения можно наблюдать под микроскопом. Группа разработала алгоритм глубокого обучения для автоматического обнаружения этих изменений. Сеть обучается с помощью большого набора микроскопических изображений и учится определять закономерности, характерные для инфицированных или неинфицированных клеток.  Схема работы нейросетиИсследовательская группа также продемонстрировала, что алгоритм способен выявлять острые и тяжелые инфекции с точностью 95 % и заблаговременно, до 24 часов. Обучающим материалом послужили изображения живых клеток литических инфекций (когда вирус воспроизводит себя и убивает клетку-хозяина), а также изображения устойчивых инфекций, при которых вирусы производятся непрерывно, но только в небольших количествах. Группа уже обнаружила некоторые различия: внутреннее давление ядра больше при литических инфекциях, чем при устойчивых.  Различия в давлении ядра клетокКроме того, в клетке с литической инфекцией вирусные белки быстрее накапливаются в ядре. Ранее исследователи из Nvidia и кафедры стволовых клеток и регенеративной биологии Гарвардского университета смогли разработать набор инструментов для глубокого обучения, чтобы помочь ученым изучать области ДНК, определяющие уникальную функцию клетки, даже когда данные ограничены или зашумлены. Обычно такое встречается при раннем обнаружении рака или генетических заболеваниях. =========== Источник: habr.com =========== Похожие новости:
Алгоритмы ), #_mashinnoe_obuchenie ( Машинное обучение ), #_iskusstvennyj_intellekt ( Искусственный интеллект ), #_zdorove ( Здоровье ) |
|
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 21-Сен 11:52
Часовой пояс: UTC + 5