显微镜下的爱情深度学习将改变生物分析和图像

大家好，这里是老上光显微镜知识课堂，在这里你可以学到所有关于显微镜知识，好的，请看下面文章： 人们常说眼睛是通往心脏的窗口，但谷歌的研究人员把它们看成是人们健康的指示器。谷歌正在使用深入的学习技术来分析人们的视网膜图像，以预测一个人的血压、年龄和吸烟状况。谷歌的计算机可以从ar中获取线索。血管范围，以及先前的研究表明，计算机能够利用这些信息来预测一个人心脏病发作的近期风险。
    
     这些研究依赖于卷积神经网络，一种能改变生物学家分析图像的方式的深度学习算法。科学家们正在使用这种方法来发现基因突变并预测单细胞排列的变化。谷歌带来了新一轮的深入学习应用。这使得图像处理更简单，更通用，甚至识别以前被忽视的生物现象。
    
     加利福尼亚州山景城谷歌研究所的工程主任菲利普·纳尔逊（Philip Nelson）说，把机器学习应用到许多生物学领域是不现实的。现在你可以做到这一点，而且更令人兴奋的是，计算机现在可以观察到人类以前可能从未见过的许多细节。
    
     卷积神经网络使计算机能够高效且完全地处理图像而不分解图像。这种方法最早出现在2012年的技术领域，例如Facebook使用深度学习来识别照片中的人脸。但是科学家们一直在努力应用这种方法。对生物学来说，部分原因在于两个领域之间的文化差异。
    
     位于旧金山的生物公司Caligo首席计算机官Daphne Koller说：这就像把一群生物学家放在一个房间里，一组计算机科学家将用不同的语言互相交谈，并用不同的方式思考。
    
     科学家们还必须确定哪种类型的研究可以通过卷积神经网络完成。当Google想要利用深入学习来发现其基因突变时，Google的科学家们必须将DNA字母链转换成计算机能够识别的图像。基因训练神经网络，发现突变。12月份出现的DeepVariant工具将能够检测DNA序列的微小变化。在测试中，DeepVariant的性能至少与传统工具相同。
    
     西雅图艾伦细胞科学研究所的细胞生物学家正在使用卷积神经网络将光学显微镜拍摄的单调的灰白照片转换成3D图像，并且给出一些细胞器的颜色标签。这很耗时，需要在精密实验室进行，而且可能对细胞造成损害。上个月，研究小组公布了一种先进的技术，仅使用一些数据来预测细胞的其他部分的形状和位置。
    
     麻省理工学院布罗德研究所（Broder Institute of Research）和哈佛成像平台（Harvard'sImagementPlatform）主任安妮·卡彭特（Anne Carpenter）说：你所看到的是机器学习如何使用图像来完成生物学任务的一个前所未有的变化。处理细胞图像。现在Carpenter宣称，她的研究中心中大约15%的图像数据是卷积神经网络。她预测这种方法将在几年内成为研究中心的主要图像处理方法。
    
     更令人兴奋的是，对图像的卷积神经网络分析会无意中发现微妙的生物现象，允许生物学家开始思考以前被忽视的问题。Eli研究所执行主任Rick Horwitz说，这些偶然的发现可能有助于医学研究。如果深入学习能够发现单体细胞中的细微癌症标志物，那么它可以帮助研究人员提前识别肿瘤。
    
     其他生物学领域的机器学习专家已经瞄准了更先进的领域，现在卷积神经网络已广泛应用于图像处理。图像非常重要，但化学和分子数据同样重要。我认为，接下来的几个领域将取得重大突破。多年来，生物学家可以更广泛地应用卷积神经网络。
    
     网站网友点击量更高的文献目录排行榜： 点此链接 关注页面底部公众号，开通以下权限： 一、获得问题咨询权限。 二、获得工程师维修技术指导。 三、获得软件工程师在线指导 toupview,imageview,OLD-SG等软件技术支持。 四、请使用微信扫描首页底部官主账号！