Aprendizaje automático para microscopía óptica: ¿problemas por resolver?

Me gustaría resolver algunos problemas biológicos que mejorarían el estado del arte de la biología o la bioinformática. En particular, quiero aplicar el aprendizaje automático en imágenes microscópicas de luz. El equipo y la experiencia que tengo son:

  • Microscopía de campo claro, campo oscuro y contraste de fase
  • portátil moderno
  • Superordenador de 56 núcleos con >100 GB de memoria (bajo petición)
  • Conocimiento complejo de algoritmos de aprendizaje automático y procesamiento de señales.
  • Habilidades de investigación a nivel de doctorado
  • Habilidades de programación que me llevarían a trabajar en Google
  • Conocimiento limitado sobre biología, bioinformática y microscopía (todavía)

Quiero hacer una investigación publicable libre de toda molestia académica. Haré esto únicamente en mi propio tiempo, sin prisa por publicar, en un intento de hacer algo bueno por la humanidad . Puedo gastar unos cientos de dólares en el proyecto cada dos meses (o alrededor de 1000 USD por año).

Gran parte de la investigación biológica publicada en Science , Nature , PNAS , Cell , etc. es tan especializada que me resulta difícil detectar problemas importantes que podría tener buenas posibilidades de resolver dado mi conjunto de habilidades. Por lo tanto, pido su ayuda:

  • ¿Qué tipo de software siempre quiso para la investigación microscópica de luz, pero no supo cómo construirlo?
  • ¿Cuáles son algunos problemas biológicos importantes que le gustaría resolver? (Para el aprendizaje automático, los problemas con una tarea de decisión binaria son particularmente adecuados, por ejemplo, "¿esta persona tiene malaria o no?")
  • ¿Cuáles son algunas revisiones recientes de alta calidad sobre problemas abiertos en biología?
  • ¿Algo más?

Si bien mi pregunta es un poco amplia, creo que esto se enmarca en la política de SE de "buenas intenciones" (o como se llame).

Buena pregunta, pero me temo que no hay una sola respuesta para aceptar y esta podría ser rechazada... mientras está disponible, sin embargo, ¿qué hay de la identificación del polen? Hay implicaciones de ecología, paleoecología, medicina forense, salud y seguridad alimentaria, es un problema desafiante de visión por computadora, y debería haber muchas imágenes en línea para entrenar un sistema experto.
Esta es una gran pregunta y no debe votarse como cerrada ya que está intentando abordar un problema importante que (si se resuelve) puede tener grandes implicaciones en la automatización de imágenes y flujo de datos y el tipo de datos obtenidos. ¡Seguramente el intercambio de pila de biología está diseñado para ayudar con preguntas como esta! Felicitaciones a ti @days_of_good. Un gran lugar donde puede comenzar es mirar fiji image-J (software de análisis de imágenes) y ver sus complementos. ¡La mayoría son de código abierto y sería genial si pudieran incorporarse en los softwares de imágenes del microscopio y ejecutar comandos instructivos para el microscopio!
@days_of_good, ¿existe un alcance para que su trabajo abarque la microscopía de fluorescencia, como la microscopía confocal o instantánea de campo amplio y deconvolución de imágenes apiladas en z? una parte muy, muy grande de la microscopía en el panorama científico actual utiliza técnicas de fluorescencia para detectar moléculas o estructuras a nivel celular, principalmente utilizando moléculas fluorescentes GFP, RFP, YFP, etc. unidas a la molécula de interés o anticuerpos que detectan una molécula y se detectan mediante anticuerpos secundarios fluorescentes. El principal problema en el campo de la microscopía es el ruido a señal.
@Bez No, desafortunadamente no tengo acceso a la microscopía de fluorescencia. ¿Existe la necesidad de métodos de deconvolución aplicados a imágenes microscópicas de luz? Conozco algunos métodos de desconvolución ciega, que tal vez podrían usarse para pasar el límite de difracción (una especie de súper resolución).
@Oreotrephes ¿Conoce alguna buena revisión reciente sobre la identificación del polen? Parece que el problema podría resolverse utilizando algún algoritmo de aprendizaje automático supervisado de varias clases.
@days_of_good debería ser posible (aunque nunca lo hizo para la luz visible) ya que todavía está tratando con ondas/partículas de luz, excepto que la longitud de onda es diferente a la fluorescencia. En mi opinión, el software SoftWoRx (Applied Precision) produce una de las mejores imágenes de deconvolución mediante iteraciones, que viene con el microscopio de núcleo de visión delta. Estoy seguro de que si se comunica con la universidad más cercana y habla sobre lo que le gustaría hacer, estarán más que felices de poner su equipo a su disposición e incluso ¡le brindarán ayuda! Sé que muchos IP están desesperados por tal talento y entusiasmo.
@days_of_good Sé, por ejemplo, que las personas usan microscopía óptica para evaluar el fenotipo del embrión para predecir su desarrollo. Aunque no puedo acceder a este artículo, supongo que usan microscopía óptica y observan la forma general (fenotipo del embrión para el estudio), por lo que la desconvolución sería muy útil para esto ( fertstert.org/article/S0015-0282(14) )00203-9/pdf )
@days_of_good Este podría ser un buen punto de partida para la ID de polen tinyurl.com/p44loza
Desafortunadamente, exactamente eso: / Esta pregunta se ajusta a varios de los ejemplos de "qué no preguntar" en las Preguntas frecuentes. ( biology.stackexchange.com/help/dont-ask ) ¡Por supuesto, puedes traer este tipo de cosas para chatear! (enlace en la parte inferior de la página)
La desconvolución ciega ya es una especie de algoritmo bayesiano. La deconvolución de proyección de gradiente escalado es un enfoque computacional más rápido que conduce a un aumento similar o mejor en la resolución. Actualmente se aplica a la microscopía óptica y podría extenderse a la microscopía de superresolución.
Esta es una gran pregunta que invita a la reflexión. Si estuviera en el chat, ni siquiera lo habría visto. Hace muchos años trabajé con un científico en la división de investigación de Kodak en Harrow, Londres. El trabajo consistía en contar el número de fotones necesarios para la activación de los granos de haluro de plata (interpolados a partir de núcleos de plata). La mayor parte del conteo se realizó en un analizador de imágenes de Cambridge Instruments conectado a un microscopio con una cámara de televisión adjunta. No hay mucha demanda en estos días, pero podría imaginar que el equipo discutido se use para contar partículas en agua contaminada y otras tareas similares.

Respuestas (4)

Sé que esta pregunta se va a cerrar. Pero, si quieres trabajar en algo puedes trabajar en:

Imágenes de fluorescencia criogénica de superresolución

Reflejos

  • CryoFM permite obtener imágenes de muestras biológicas vitrificadas con microscopía de fluorescencia.
  • Existen importantes desafíos para lograr imágenes cryoFM de alta resolución.
  • Las características del fluoróforo a baja temperatura ofrecen ventajas adicionales.
  • Las imágenes de fluorescencia criogénica de superresolución proporcionarán una mejora drástica de la resolución.

Fuente: Criomicroscopía de fluorescencia: retos y perspectivas actuales .

RE: ¿Qué tipo de software siempre quisiste para la investigación microscópica de luz, pero no sabías cómo construirlo?

Investigo moscas de la fruta y en este campo (y muchos otros sistemas modelo de ecología de insectos como escarabajos, polillas, mariposas) usamos una gran cantidad de datos puntuados visualmente, por ejemplo, tamaño del cuerpo, tamaño del ala, morfología del ala, color de los ojos, número de cerdas, morfología genital. , morfología de peine sexual... ¡la lista es enorme! Un programa utilizado es WingMachine , aunque el enlace al software parece estar roto , que puede medir los aspectos morfológicos del ala de una mosca.

Algo que me gustaría poder hacer es poner un vial de comida debajo de un endoscopio y hacer que cuente rápidamente la cantidad de huevos en la superficie de la comida. Hice una pregunta al respecto hace un tiempo . Esto sería muy útil, muchos laboratorios tienen que contar los huevos (para que la cantidad de huevos sea constante en cada vial, la variación aquí puede tener efectos graves en la mosca adulta, por lo que el control es importante en estudios de ecología) y es un proceso lento, difícil y muy impreciso, particularmente variable entre las personas. Si hubiera alguna forma de colocar el vial debajo del endoscopio, presionar un botón y obtener una aproximación del número, ¡sería genial!

Un colega cuenta escarabajos muertos en este momento, estoy seguro de que apreciaría un tipo de programa similar en el que pudiera obtener imágenes y hacer que el software contara automáticamente. Creo que ambos problemas serían fáciles de resolver con un software muy similar. La clave es crear un software que sea fácil de "enseñar" cómo reconocer a las personas.

Un poco más complejo de aprendizaje automático podría ser lograr que cuente diferentes fenotipos en una imagen. Los ensayos de aptitud en moscas a menudo usan una mosca de tipo salvaje con competidores de cuerpo oscuro (ébano), el cuerpo del tipo salvaje es comparativamente más amarillo. La aptitud de la mosca de tipo salvaje focal es entonces el número de descendientes de tipo salvaje entre el total (el fenotipo de cuerpo oscuro es recesivo, por lo tanto, cuando la mosca de tipo salvaje focal se aparea con un ébano produce moscas de tipo salvaje, si dos ébanos se aparean obtenemos un descendencia de cuerpo oscuro). Aquí la máquina tendría que ser capaz de notar la diferencia y contar ambas.

Adjuntaré una imagen adecuada debajo del alcance más tarde, la imagen en mi pregunta anterior fue tomada con una cámara digital, no a través de un alcance, pero da una idea de cómo se ve.

Quizás le interese leer el artículo "Aprendizaje automático en biología celular: enseñar a las computadoras a reconocer fenotipos" ( http://jcs.biologists.org/content/126/24/5529.long )

Resuma los aspectos relevantes del enlace en su respuesta. Consulte la sección 'proporcionar contexto para enlaces' del Centro de ayuda.

Uno de mis colegas hace mucho trabajo histológico, tiñe e identifica tejido a nivel microscópico. El software que podría ser útil para esa disciplina podría ser la capacidad de distinguir entre los diferentes tipos de tejidos presentes y tal vez calcular el "área" ocupada por cada tipo de tejido, así como el espacio vacío. Esto no sería diferente a un problema de tipo GIS, pero no sé si encaja bien con un marco de decisión binario Sí/No. No sé si podría entrenarse para aprender a identificar tipos específicos de tejido, pero tal vez podría reconocer cada área distinta de una sección transversal como diferente de otras áreas similares. Aquí hay algunas secciones transversales para mostrarle lo que quiero decir:

Colon:

ingrese la descripción de la imagen aquí Fuente

Músculo liso:

ingrese la descripción de la imagen aquí Fuente

Túbulos seminíferos de los testículos:

ingrese la descripción de la imagen aquí Fuente

Observe los diferentes tipos de tejido en cada sección transversal, además del espacio en blanco. Cada tipo de tejido tiene diferentes patrones de transmisión de luz, lo que puede permitir que una computadora aprenda a distinguir entre los diferentes tipos de tejido.

Mire los algoritmos de segmentación de WEKA implementados en FIJI/ImageJ.
Aprendizaje automático para microscopía óptica: ¿problemas por resolver?
RespuestasAquíPolítica de privacidad1y, 0v