Учёные НИУ ВШЭ – Санкт-Петербург при участии коллег из Международного университета информационных технологий в Алматы создали систему автоматизации микроскопов со встроенным ИИ-анализом. Об этом сообщили в пресс-службе НИУ ВШЭ.
Современные методы микробиологии позволяют детально исследовать бактерии, грибы и простейшие организмы. Однако традиционные инструменты требуют ручной настройки и визуального анализа, что существенно влияет на точность результатов. Искусственный интеллект способен значительно улучшить качество анализа изображений, особенно в биотехнологиях и медицинской диагностике, где необходимо сравнивать тысячи снимков.
Коллектив исследователей из Школы информатики, физики и технологий НИУ ВШЭ – Санкт-Петербург, под руководством доцента Алексея Самарина, разработал систему автоматизации для микроскопов, включающую алгоритм Microscopy-Aware Attention (MAA). Основное преимущество этой системы заключается в её универсальности и способности к самостоятельному обучению на основе специальных подсказок, независимо от архитектуры микроскопа.
Промышленные системы микроскопии отличаются высокой точностью, но их стоимость и закрытость для модификаций делают их менее доступными. Учёные решили сохранить качественные оптические компоненты серийных микроскопов и добавить к ним открытый модуль управления. Уникальность разработки заключается в том, что база знаний по микроскопии интегрирована непосредственно в механизм внимания ИИ. Модель прошла тестирование на различных архитектурах и продемонстрировала высокую эффективность во всех пяти проверенных группах.
В отличие от других нейросетевых решений, система MAA «учитывает» специфику микроскопии и анализирует изображения не по пикселям, а по биологически значимым характеристикам, таким как форма, прозрачность и текстура. Для обучения модели биотехнологи из ИТМО и Санкт-Петербургского государственного технологического института подготовили более 100 тысяч микропрепаратов бактерий, которые были сфотографированы с различными увеличениями, освещением и окраской. Такая вариативность снимков позволила приблизить работу алгоритма к реальным условиям лабораторных исследований. В результате классификации бактерий с использованием новой системы точность достигла 97,5%.
После тестирования учёные выяснили, что система чаще всего ошибается при работе с нечёткими изображениями. Масштаб и цветовые различия оказывали меньшее влияние на эффективность поиска. Таким образом, можно уверенно утверждать, что фокусировка и стабильное освещение являются ключевыми факторами успешной цифровой микроскопии.
«Промышленные системы отличаются высокой точностью, но стоят дорого и закрыты для доработки. Мы решили сохранить качественную штатную оптику серийного микроскопа и добавить к ней открытый модуль управления. Принципиальная новизна устройства в том, что база знаний по микроскопии встроена прямо в механизм внимания ИИ. Модель уже прошла проверку на разных архитектурах и доказала свою эффективность во всех пяти протестированных группах», – говорит Елена Михайлова, методолог проекта, академический руководитель программы «Прикладной анализ данных и искусственный интеллект» НИУ ВШЭ – Санкт-Петербург.
Руководителем проекта является Алексей Самарин, доцент департамента информатики. В ближайшее время учёные планируют проверить модель в других лабораториях и на другом оборудовании, встроить её в мультимодальные нейросети и добавить автоматические функции. В перспективе систему можно адаптировать под задачи микробиологии, медицинской лабораторной диагностики и образования. Исследование опубликовано в журнале Machine Learning and Knowledge Extraction.
ВШЭ применяет ИИ не только в микроскопии, но и в промышленности. Как рассказывала интернет-газета «ЖУК», НИУ ВШЭ представил мультиагентный программно-аппаратный комплекс, который анализирует электрические параметры промышленного оборудования и помогает заранее выявлять признаки неисправностей.