Ученые НИУ ВШЭ - Санкт-Петербург совместно с коллегами из Международного университета информационных технологий (Казахстан) создали систему автоматизации микроскопов со встроенным искусственным интеллектом, которая повышает точность классификации микроорганизмов до 97,5%. Об этом сообщили в пресс-службе НИУ ВШЭ - Санкт-Петербург.
"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", - рассказала методолог проекта, академический руководитель программы "Прикладной анализ данных и искусственный интеллект" Елена Михайлова.
Уточняется, что современная микробиологическая техника позволяет изучать бактерии, грибы и простейшие живые организмы в мельчайших деталях. При этом традиционные инструменты требуют ручной настройки и визуальной оценки, что значительно влияет на конечный результат. Повысить качество анализа изображений способен искусственный интеллект. Особенно перспективно его применение в биотехнологиях и клинической диагностике, где требуется сравнение тысяч снимков.
Разработанный метод основан на использовании специализированного алгоритма Microscopy-Aware Attention (MAA). В отличие от стандартных нейросетей, система анализирует изображения не по пикселям, а по биологически значимым признакам - форме, текстуре и прозрачности объектов.
Как рассказали в пресс-службе, чтобы развить у модели логику эксперта, биотехнологи из ИТМО и Санкт-Петербургского государственного технологического института подготовили более 100 тыс. микропрепаратов бактерий. Все образцы зафиксировали на камеру с разным увеличением, освещением и окраской: высокая вариативность снимков позволила приблизить алгоритм работы к реальным лабораторным условиям. При анализе изображений бактерий с помощью новой системы качество классификации выросло до 97,5 %.
В ближайшее время ученые планируют проверить модель в других лабораториях и на другом оборудовании, встроить ее в мультимодальные нейросети и добавить автоматические функции. В перспективе систему можно адаптировать под задачи микробиологии, медицинской лабораторной диагностики, образования.