Een AI-tool ontwikkeld aan de Universiteit van Göteborg biedt nieuwe mogelijkheden voor het analyseren van beelden die met microscopen zijn gemaakt. Een studie toont aan dat de tool, die al internationale erkenning heeft gekregen, kan microscopie fundamenteel veranderen en de weg vrijmaken voor nieuwe ontdekkingen en toepassingsgebieden binnen zowel onderzoek als de industrie.

De focus van het onderzoek is deep learning, een type kunstmatige intelligentie (AI) en machine learning waar we allemaal dagelijks mee omgaan, vaak zonder erbij na te denken. Bijvoorbeeld wanneer er een nieuw nummer op Spotify verschijnt dat lijkt op nummers die we eerder hebben beluisterd of wanneer onze mobiele telefooncamera automatisch de beste instellingen vindt en kleuren in een foto corrigeert.

"Deep learning heeft de wereld stormenderhand veroverd en heeft een enorme impact gehad op veel industrieën, sectoren en wetenschapsgebieden. We hebben nu een tool ontwikkeld die het mogelijk maakt om het ongelooflijke potentieel van deep learning te benutten, met focus op beelden gemaakt met microscopen, " zegt Benjamin Midtvedt, een doctoraatsstudent in de natuurkunde en de hoofdauteur van de studie.

Deep learning kan worden omschreven als een wiskundig model dat wordt gebruikt om problemen op te lossen die met traditionele algoritmische methoden moeilijk op te lossen zijn. Bij microscopie, de grote uitdaging is om zoveel mogelijk informatie uit de gegevensrijke afbeeldingen te halen, en dit is waar deep learning zeer effectief is gebleken.

De tool die Midtvedt en zijn onderzoekscollega's hebben ontwikkeld, omvat neurale netwerken die leren om precies de informatie die een onderzoeker wil uit een afbeelding te halen door door een groot aantal afbeeldingen te kijken, ook wel trainingsgegevens genoemd. De tool vereenvoudigt het proces van het produceren van trainingsgegevens in vergelijking met het handmatig moeten doen, zodat in een uur tienduizenden afbeeldingen kunnen worden gegenereerd in plaats van honderd in een maand.

"Dit maakt het mogelijk om snel meer details uit microscoopbeelden te halen zonder een ingewikkelde analyse te hoeven maken met traditionele methoden. de resultaten zijn reproduceerbaar, en aangepast, specifieke informatie kan worden opgehaald voor een specifiek doel."

Bijvoorbeeld, de tool stelt de gebruiker in staat om de grootte en materiaaleigenschappen voor zeer kleine deeltjes te bepalen en om cellen gemakkelijk te tellen en te classificeren. De onderzoekers hebben al aangetoond dat de tool kan worden gebruikt door industrieën die hun uitstoot moeten zuiveren, omdat ze in realtime kunnen zien of alle ongewenste deeltjes eruit zijn gefilterd.

De onderzoekers hebben goede hoop dat de tool in de toekomst kan worden gebruikt om infecties in een cel te volgen en cellulaire afweermechanismen in kaart te brengen, wat enorme mogelijkheden zou bieden voor nieuwe medicijnen en behandelingen.

"We hebben al grote internationale belangstelling voor de tool gezien. Ongeacht de microscopische uitdagingen, onderzoekers kunnen nu gemakkelijker analyses uitvoeren, nieuwe ontdekkingen doen, ideeën implementeren en nieuwe wegen inslaan binnen hun vakgebied."