Новый инструмент DeepSea для отслеживания клеток с помощью глубокого обучения

Мониторинг роста и деления клеток с помощью микроскопии с интервальной съёмкой создаёт огромные массивы данных, которые почти невозможно обработать вручную. Современные модели глубокого обучения предлагают решение этой проблемы.

Исследователи под руководством доцента Али Шариати и аспиранта Абольфазла Зарагери разработали модель DeepSea — один из немногих инструментов, способных одновременно сегментировать клетки, отслеживать их во времени и детектировать деление для построения клеточных линий. Модель описана в журнале Cell Reports Methods и демонстрирует одну из самых высоких точностей в своём классе.

Ключевые особенности DeepSea:

• Интегрированная работа: сегментация и отслеживание объединены в удобное программное обеспечение.
• Высокая скорость и точность: модель выполняет сегментацию менее чем за секунду, а точность отслеживания достигает 98%.
• Универсальность (generalizable model): может быть обучена для работы с различными типами клеток.
• Открытый доступ: набор данных для обучения, код и ПО доступны на сайте DeepSea.

Решение уникальной задачи

Особой сложностью была разработка алгоритма для детекции деления клеток — ситуации, когда один объект превращается в два. «Это очень необычная проблема для отслеживания объектов», — отметил Шариати. Большинство алгоритмов компьютерного зрения отслеживают перемещение цельных объектов, таких как автомобили.

Техническая основа

DeepSea использует модифицированную версию популярной архитектуры 2D-UNET со значительно меньшим числом параметров, что обеспечивает и высокую скорость, и точность. «Мы сравнили нашу модель с лучшими моделями сегментации клеток, и наша показывает наилучшие результаты с точки зрения точности и скорости», — заявил Зарагери.

Обучение и применение

Модель обучалась на наборе данных с изображениями лёгочных, мышечных и стволовых клеток, что обеспечило высокую точность для разных типов. Для облегчения трудоёмкого процесса ручной разметки изображений команда также создала вспомогательный инструмент.

С помощью DeepSea учёные сделали новое открытие о эмбриональных стволовых клетках: оказалось, что они регулируют свой размер. Клетки, которые при рождении оказываются меньше, «знают» об этом и проводят больше времени в росте, прежде чем снова делиться.

Планы на будущее

• Изучение пространственных взаимоотношений клеток и их организации в 3D-структуры.
• Преодоление «узких мест», таких как нехватка размеченных изображений для обучения, с помощью Generative Adversarial Networks (GANs) для создания синтетических аннотированных данных.