Новые инструменты обработки изображений ускоряют исследования рака, работа с результатами проекта Help Conquer Cancer продолжается Налаштування

[Arbalet]

Новые инструменты обработки изображений ускоряют исследования рака

Группа исследователей из Help Defeat Cancer Research (в переводе - «Помоги победить в исследованиях рака») канадского Института рака Онтарио (Ontario Cancer Institute) продолжает работать с результатами обработки миллионов изображений, полученных с помощью рентгеновской кристаллографии белков, которые затем подвергли анализу на компьютерах добровольцев из World Community Grid в рамках проекта «Помоги победить рак» (англ. Help Conquer Cancer, HCC). Заявленными целями являются изучение структуры белков человеческого организма, улучшение методов ранней диагностики рака и исследования процессов в белках, вызывающих рак.

Волонтеры, помогавшие проекту Help Conquer Cancer (а до этого – проекту Help Defeat Cancer), обрабатывали на своих компьютерах рентгеновские изображения кристаллизации белков, раскладывая каждое изображение в набор из более 12 тысяч цифровых фрагментов, которые были использованы для создания классификатора, способного присваивать подобным фрагментам метки с описанием наблюдаемой реакции кристаллизации. При этом работа классификатора требует постоянного "присутствия" человека-эксперта и не способна к самостоятельному обучению.

Но совсем недавно исследователи применили в работе мощную технологию машинного зрения для создания классификатора с обратной связью, способного к самообучению в процессе обработки изображений, на основе использования глубоких сверточных нейронных сетей (convolutional neural networks – CNNs). Эта система получила название CrystalNet.

Предварительные результаты работы показывают, что «Кристалосеть» может обеспечить высокоскоростное присвоение меток изображениям, обладает низким процентом «брака» и высокой точностью обнаружения кристаллов. CrystalNet работает в режиме реального времени, где маркировка 1536 изображений с одной пластины требует всего 2 секунды. Сочетание точности и эффективности позволяет полностью автоматизировать обработку изображений в кристаллографии белков и существенно сократить трудоемкий скрининг.


Схематичная работа стандартной сверточной нейронной сети при обработке изображений

Команде из Help Defeat Cancer Research помогает в работе Лаборатория высокопроизводительного скрининга (High-Throughput Screening Lab) из Исследовательского медицинского института Гауптман-Вудворда (Hauptman-Woodward Medical Research Institute, HWI), которые обеспечивают исследователей новыми изображениями кристаллизации белков, получаемыми пока еще с помощью прежнего классификатора, созданного в результате работы проекта HCC.

Проводимая исследователями работа должна в итоге привести к прорыву в обработке данных кристаллографии белков и существенно продвинуть глобальные исследовательские задачи в области изучения белков человека, диагностики и борьбы с раком.

Подготовлено distributed.org.ua по материалам World Community Grid: New imaging tools accelerate cancer research

[vadik_ua]

Спасибо за перевод

[Arbalet]

vadik_ua, да вот было самому интересно, что мы там такое насчитали в этом проекте.