AI tool creates 'synthetic' images of cells for enhanced microscopy analysis
AI tool creates 'synthetic' images of cells for enhanced microscopy analysis
Investigadores de la Universidad de California en Santa Cruz (UC Santa Cruz) han abordado el cuello de botella crítico de la escasez de datos anotados en la inteligencia artificial biomédica, desarrollando un modelo generativo que crea imágenes sintéticas de microscopía realistas y previamente etiquetadas. Mediante una técnica denominada cGAN-Seg, el equipo genera imágenes diversas de células individuales que imitan los detalles morfológicos del mundo real. Este enfoque permite a los científicos entrenar algoritmos de segmentación de manera efectiva, sin necesidad del laborioso proceso de anotar manualmente miles de imágenes reales, superando así las limitaciones de conjuntos de datos pequeños y poco representativos. Este método mejora significativamente la robustez de los modelos de inteligencia artificial al introducir características subcelulares variadas y calidades de imagen difíciles de capturar manualmente. Los datos sintéticos abarcan diferentes tipos celulares y modalidades de imagen, garantizando que las herramientas de segmentación resultantes funcionen con precisión en diversas condiciones experimentales. En consecuencia, esto conduce a capacidades superiores de detección y a una comprensión más profunda del comportamiento celular, aspectos esenciales para avanzar en la detección de enfermedades y en los esfuerzos de descubrimiento de fármacos. Este desarrollo es altamente relevante para las iniciativas de datos abiertos, ya que democratiza el acceso a recursos de entrenamiento de alta calidad para la comunidad científica. Al publicar el software en GitHub, los investigadores proporcionan una herramienta de uso libre que reduce la barrera de entrada para el aprendizaje profundo en microscopía. Esto fomenta la transparencia y la colaboración, permitiendo que más investigadores aprovechen los datos sintéticos para mejorar el análisis de imágenes biomédicas sin necesidad de conjuntos de datos propietarios extensos ni infraestructura especializada para la anotación.
Fuente: sciencedaily.comPublicado el 2024-04-24