ИИ воссоздает 3D-мир из микроскопических снимков

Ученые из Корейского научно-исследовательского института стандартов и науки (KRISS) разработали передовой алгоритм на базе искусственного интеллекта (ИИ). Эта технология способна с высокой скоростью реконструировать трехмерные (3D) структуры из двумерных (2D) срезов биологических образцов, полученных с помощью сканирующего электронного микроскопа (СЭМ).

Новая разработка KRISS значительно оптимизирует процесс анализа изображений. Теперь специалистам требуется вручную обрабатывать лишь около 10% данных. Оставшаяся часть автоматически размечается ИИ, который затем обучает модель для дальнейшей сегментации и 3D-реконструкции. Этот подход сокращает время и затраты на визуализацию в 3D более чем вдвое по сравнению с традиционными методами, где исследователи должны были вручную анализировать каждое изображение.

СЭМ позволяет получать детальные изображения внутренней структуры клеток с высоким разрешением, что делает его незаменимым инструментом в науках о жизни и медицинской диагностике. Процесс 3D-реконструкции начинается с сегментации изображений – определения точного положения и формы интересующих структур, таких как клеточные ядра или митохондрии, на каждом срезе. Это позволяет отфильтровать ненужную информацию и сфокусироваться на целевых объектах для точной 3D-визуализации.

Ранее сегментация изображений в основном полагалась на обучение с учителем. Этот метод требовал от экспертов ручной разметки сотен или тысяч изображений, что было трудоемко и подвержено субъективным ошибкам, снижая надежность результатов.

Чтобы решить эту проблему, группа KRISS внедрила алгоритм на основе полусупервизорного обучения. Он использует периодически размеченные изображения в качестве опорных точек для автоматической аннотации соседних срезов. Например, при наличии 100 изображений, вручную размечается каждое десятое, а остальные 90 автоматически обрабатываются алгоритмом. Это существенно ускоряет подготовку данных для 3D-реконструкции.

Тестирование на данных клеток мозга мыши показало, что алгоритм KRISS достиг точности, лишь на 3% уступающей традиционным методам, при этом сократив время и затраты примерно в восемь раз. Технология продемонстрировала стабильную работу даже с большими объемами данных высокого разрешения, сохраняя высокую точность и скорость обработки.

Старший научный сотрудник KRISS Юн Даль Джэ отметил, что разработанная технология применима не только в биологии, но и в других областях, требующих автоматического анализа изображений, например, при контроле дефектов полупроводников или разработке новых материалов. Особенно ценным он считает возможность использования технологии в сферах, где сбор данных для ИИ затруднен из-за проблем с конфиденциальностью или бюджетных ограничений.