Maschinelles Lernen für die Lichtmikroskopie – Probleme zu lösen?

Ich möchte einige biologische Probleme lösen, die den Stand der Technik der Biologie oder Bioinformatik verbessern würden. Insbesondere möchte ich maschinelles Lernen auf lichtmikroskopische Bilder anwenden. Meine Ausrüstung und Erfahrung sind:

  • Hellfeld-, Dunkelfeld- und Phasenkontrastmikroskopie
  • Modernes Notebook
  • 56-Kern-Supercomputer mit >100 GB Speicher (auf Anfrage)
  • Komplexe Kenntnisse über maschinelle Lernalgorithmen und Signalverarbeitung
  • Forschungsfähigkeiten auf PhD-Niveau
  • Programmierkenntnisse, die mich dazu bringen würden, bei Google zu arbeiten
  • Begrenztes Wissen über Biologie, Bioinformatik und Mikroskopie (noch)

Ich möchte veröffentlichungsfähige Forschungsergebnisse frei von allen akademischen Problemen durchführen. Ich werde dies ausschließlich in meiner Freizeit tun, ohne Eile zu veröffentlichen, in dem Versuch, etwas Gutes für die Menschheit zu tun . Ich kann alle zwei Monate ein paar hundert Dollar in das Projekt werfen (oder ungefähr 1000 USD pro Jahr).

Viele der in Science , Nature , PNAS , Cell usw. veröffentlichten biologischen Forschungsergebnisse sind so spezialisiert, dass ich es schwierig finde, wichtige Probleme zu erkennen, die ich angesichts meiner Fähigkeiten gut lösen könnte. Daher bitte ich um eure Mithilfe:

  • Was für eine Software wollten Sie schon immer für die lichtmikroskopische Forschung, wussten aber nicht, wie man sie baut?
  • Welche wichtigen biologischen Probleme möchten Sie lösen? (Für maschinelles Lernen eignen sich insbesondere Probleme mit einer binären Entscheidungsaufgabe – z. B. „hat diese Person Malaria oder nicht“?)
  • Was sind einige aktuelle, qualitativ hochwertige Übersichten zu offenen Problemen in der Biologie?
  • Etwas anderes?

Obwohl meine Frage etwas weit gefasst ist, denke ich, dass dies unter die SE-Richtlinie der "guten Absicht" (oder wie auch immer es genannt wird) fällt.

Nette Frage, aber ich fürchte, es gibt keine einzige Antwort, die man akzeptieren kann, und diese könnte abgewählt werden ... aber wie wäre es mit der Identifizierung von Pollen? Es gibt Auswirkungen auf Ökologie, Paläoökologie, Forensik, Gesundheit und Lebensmittelsicherheit, es ist ein herausforderndes Computervisionsproblem, und es sollte online viele Bilder geben, mit denen ein Expertensystem trainiert werden kann.
Dies ist eine großartige Frage und sollte nicht als geschlossen gewertet werden, da sie versucht, ein wichtiges Problem anzusprechen, das (wenn es gelöst wird) große Auswirkungen auf die Automatisierung der Bildgebung und des Datenflusses sowie auf die Art der erhaltenen Daten haben kann! Sicherlich ist der Biologie-Stack-Austausch darauf ausgelegt, bei Fragen wie dieser zu helfen !! Kudos an dich @days_of_good. Ein großartiger Ort, an dem Sie beginnen können, ist Fiji Image-J (Bildanalysesoftware) und die zugehörigen Plugins. Die meisten sind Open Source und es wäre großartig, wenn sie in Mikroskop-Bildgebungssoftware integriert werden könnten und instruktive Befehle an das Mikroskop ausführen könnten!
@days_of_good Gibt es einen Bereich für Ihre Arbeit, um Fluoreszenzmikroskopie wie konfokale oder Schnappschuss-Weitfeld- und Dekonvolutionsmikroskopie von z-gestapelten Bildern abzudecken? Ein sehr, sehr großer Teil der Mikroskopie in der aktuellen wissenschaftlichen Landschaft verwendet Fluoreszenztechniken, um Moleküle oder Strukturen auf zellulärer Ebene nachzuweisen, wobei hauptsächlich entweder fluoreszierende Moleküle GFP, RFP, YFP usw. verwendet werden, die an das interessierende Molekül gebunden sind, oder Antikörper, die ein Molekül erkennen und sie selbst werden durch fluoreszierende Sekundärantikörper nachgewiesen. Das Hauptproblem im Bereich der Mikroskopie ist das Noise-to-Signal.
@Bez Nein, leider habe ich keinen Zugang zur Fluoreszenzmikroskopie. Besteht Bedarf an Dekonvolutionsmethoden, die auf lichtmikroskopische Bilder angewendet werden? Ich kenne einige blinde Entfaltungsmethoden, die vielleicht verwendet werden könnten, um die Beugungsgrenze zu überschreiten (eine Art Superauflösung).
@Oreotrephes Kennen Sie einen guten aktuellen Bericht über die Identifizierung von Pollen? Das Problem hört sich so an, als könnte es mit einem überwachten Algorithmus für maschinelles Lernen mit mehreren Klassen gelöst werden.
@days_of_good es sollte möglich sein (obwohl es noch nie für sichtbares Licht getan wurde), da Sie es immer noch mit Lichtwellen / Partikeln zu tun haben, außer dass sich die Wellenlänge von der Fluoreszenz unterscheidet. Die SoftWoRx-Software (Applied Precision) erzeugt meiner Meinung nach eines der besten Dekonvolutionsbilder mit Iterationen, die mit dem Delta-Vision-Core-Mikroskop geliefert werden. Ich bin zuversichtlich, wenn Sie sich an die nächstgelegene Universität wenden und besprechen, was Sie tun möchten, wird sie Ihnen gerne ihre Ausrüstung zur Verfügung stellen und Ihnen sogar helfen! Ich kenne viele PIs, die verzweifelt nach solchem ​​Talent und Enthusiasmus suchen
@days_of_good Ich weiß zum Beispiel, dass Menschen Lichtmikroskopie verwenden, um den Phänotyp des Embryos zu beurteilen und seine Entwicklung vorherzusagen. Obwohl ich nicht auf diesen Artikel zugreifen kann, gehe ich davon aus, dass sie Lichtmikroskopie verwenden und sich die Gesamtform (Phänotyp des Embryos für die Studie) ansehen, daher wäre eine Entfaltung dafür sehr praktisch ( fertstert.org/article/S0015-0282(14 )00203-9/pdf )
@days_of_good Dies könnte ein guter Ausgangspunkt für die Pollen-ID tinyurl.com/p44loza sein
Leider genau das :/ Diese Frage passt zu mehreren der "was nicht zu fragen"-Beispiele in den FAQ. ( biology.stackexchange.com/help/dont-ask ) Sie können solche Dinge natürlich zum Chatten mitbringen! (Link unten auf der Seite)
Die blinde Entfaltung ist bereits eine Art Bayes'scher Algorithmus. Die Dekonvolution mit skalierter Gradientenprojektion ist ein schnellerer Rechenansatz, der zu einer ähnlichen oder besseren Erhöhung der Auflösung führt. Es wird derzeit in der optischen Mikroskopie angewendet und könnte auf die hochauflösende Mikroskopie ausgeweitet werden.
Dies ist eine großartige und zum Nachdenken anregende Frage. Wenn es im Chat gewesen wäre, hätte ich es nie gesehen. Vor vielen Jahren habe ich mit einem Wissenschaftler in der Forschungsabteilung von Kodak in Harrow, London, zusammengearbeitet. Die Arbeit bestand darin, die Anzahl der Photonen zu zählen, die für die Aktivierung von Silberhalogenidkörnern erforderlich sind (interpoliert aus Silberkernen). Der Großteil der Zählung wurde auf einem Cambridge Instruments Image Analyzer durchgeführt, der an ein Mikroskop mit angeschlossener TV-Kamera angeschlossen war. Heutzutage ist dies nicht mehr sehr gefragt, aber ich könnte mir vorstellen, dass die besprochenen Geräte zum Zählen von Partikeln in verschmutztem Wasser und für andere ähnliche Aufgaben verwendet werden.

Antworten (4)

Ich weiß, diese Frage wird geschlossen. Aber wenn Sie an etwas arbeiten möchten, können Sie daran arbeiten:

Kryo-Superauflösungs-Fluoreszenzbildgebung

Höhepunkte

  • CryoFM ermöglicht die Abbildung von vitrifizierten biologischen Proben mit Fluoreszenzmikroskopie.
  • Es gibt erhebliche Herausforderungen, um eine hochauflösende KryoFM-Bildgebung zu erreichen.
  • Fluorophor-Eigenschaften bei niedriger Temperatur bieten zusätzliche Vorteile.
  • Kryo-Superauflösungs-Fluoreszenzbildgebung wird eine dramatische Verbesserung der Auflösung liefern.

Quelle: Fluoreszenzkryomikroskopie: aktuelle Herausforderungen und Perspektiven .

RE: Welche Art von Software wollten Sie schon immer für die lichtmikroskopische Forschung, wussten aber nicht, wie man sie baut?

Ich forsche an Fruchtfliegen und auf diesem Gebiet (und vielen anderen insektenökologischen Modellsystemen wie Käfern, Motten, Schmetterlingen) verwenden wir viele visuell erfasste Daten, z. B. Körpergröße, Flügelgröße, Flügelmorphologie, Augenfarbe, Borstenanzahl, Genitalmorphologie , Geschlechtskamm-Morphologie ... die Liste ist riesig! Ein verwendetes Programm ist WingMachine - obwohl die Verbindung zur Software unterbrochen zu sein scheint - das morphologische Aspekte eines Fliegenflügels messen kann.

Etwas, das ich gerne tun könnte, ist, ein Fläschchen mit Lebensmitteln unter ein Zielfernrohr zu stellen und es schnell die Anzahl der Eier auf der Oberfläche des Lebensmittels zählen zu lassen. Ich habe vor einiger Zeit eine Frage dazu gestellt . Das wäre sehr nützlich, viele Labore müssen Eier zählen (um die Anzahl der Eier in jedem Fläschchen konstant zu halten, kann eine Variation hier schwerwiegende Auswirkungen auf die erwachsene Fliege haben, daher ist die Kontrolle wichtig in Ökologiestudien) und es ist ein langsames, schwieriges und höchst ungenaues Verfahren, das insbesondere zwischen Menschen unterschiedlich ist. Wenn es eine Möglichkeit gäbe, das Fläschchen unter das Zielfernrohr zu stellen, einen Knopf zu drücken und eine Annäherung an die Zahl zu erhalten, wäre das großartig!

Ein Kollege zählt im Moment tote Käfer, ich bin sicher, er würde ein ähnliches Programm begrüßen, wo er sich ein Bild machen und die Software automatisch zählen lassen könnte. Ich denke, dass beide Probleme mit sehr ähnlicher Software leicht zu lösen wären. Der Schlüssel liegt in der Entwicklung von Software, die einfach zu "lehren" ist, wie man Personen erkennt.

Ein etwas komplexerer Teil des maschinellen Lernens könnte darin bestehen, verschiedene Phänotypen in einem Bild zu zählen. Fitness-Assays bei Fliegen verwenden oft eine Wildtypfliege mit Konkurrenten mit dunklem Körper (Ebenholz), der Körper des Wildtyps ist vergleichsweise gelber. Die Fitness der fokalen Wildtyp-Fliege ist dann die Anzahl der Wildtyp-Nachkommen unter der Gesamtzahl (der Phänotyp mit dunklem Körper ist rezessiv, daher produziert die fokale Wildtyp-Fliege, wenn sie sich mit einem Ebenholz paart, Wildtyp-Fliegen, wenn sich zwei Ebenholz paaren, bekommen wir eine Nachkommen mit dunklem Körper). Hier müsste die Maschine unterscheiden können und beides zählen.

Ich werde später ein richtiges Bild unter dem Zielfernrohr anhängen, das Bild in meiner vorherigen Frage wurde mit einer Digitalkamera aufgenommen, nicht über ein Zielfernrohr, aber es gibt eine Vorstellung davon, wie es aussieht.

Vielleicht interessiert Sie der Artikel „Maschinelles Lernen in der Zellbiologie – Computern beibringen, Phänotypen zu erkennen“ ( http://jcs.biologists.org/content/126/24/5529.long )

Bitte fassen Sie die relevanten Aspekte des Links in Ihrer Antwort zusammen. Siehe den Abschnitt „Kontext für Links bereitstellen“ im Hilfe-Center.

Einer meiner Kollegen führt viele histologische Arbeiten durch, färbt und identifiziert Gewebe auf mikroskopischer Ebene. Software, die für diese Disziplin hilfreich sein könnte, könnte die Fähigkeit sein, zwischen den verschiedenen vorhandenen Gewebetypen zu unterscheiden und möglicherweise die von jedem Gewebetyp eingenommene "Fläche" sowie den leeren Raum zu berechnen. Dies wäre einem GIS-Problem nicht unähnlich, aber ich weiß nicht, ob es gut zu einem binären Ja / Nein-Entscheidungsrahmen passt. Ich weiß nicht, ob es trainiert werden könnte, bestimmte Gewebetypen zu identifizieren, aber vielleicht könnte es jeden bestimmten Bereich eines Querschnitts als anders als andere solche Bereiche erkennen. Hier sind ein paar Querschnitte, um Ihnen zu zeigen, was ich meine:

Doppelpunkt:

Geben Sie hier die Bildbeschreibung ein Quelle

Glatte Muskelzellen:

Geben Sie hier die Bildbeschreibung ein Quelle

Samenkanälchen aus Hoden:

Geben Sie hier die Bildbeschreibung ein Quelle

Beachten Sie die verschiedenen Gewebetypen in jedem Querschnitt sowie den weißen Raum. Jeder Gewebetyp hat unterschiedliche Lichtübertragungsmuster, die es einem Computer ermöglichen können, zu lernen, zwischen den verschiedenen Gewebetypen zu unterscheiden.

Sehen Sie sich die in FIJI/ImageJ implementierten WEKA-Segmentierungsalgorithmen an.
Maschinelles Lernen für die Lichtmikroskopie – Probleme zu lösen?
AntwortenHierDatenschutz-Bestimmungen1y, 0v