Smart mikroskopi och maskininlärning för insamling av bilder
- Diarienummer
- RIF21-0043
- Projektledare
- Camacho Dejay, Rafael
- Start- och slutdatum
- 220901-271231
- Beviljat belopp
- 15 000 000 kr
- Förvaltande organisation
- Göteborg University
- Forskningsområde
- Bioteknik, medicinsk teknik och teknik för livsvetenskaperna
Summary
En av de största utmaningarna inom kvantitativ biologisk avbildning är att få ihop tillräckliga datamängder för att uppnå statistiskt meningsfulla resultat. Antalet registrerade händelser och resultatens reproducerbarhet begränsas av behovet av manuellt handhavande. Vi vid Center for Cellular Imaging (CCI) planerar att ta oss an denna utmaning genom att utveckla adaptiva automatiserade smart microscopy-arbetsflöden, som kopplar ihop bildanalys med datorstyrda mikroskop, som en tjänst för våra användare. Bildanalys kommer att användas för att kontinuerligt övervaka provet och ge feedback i realtid till programvaran som sedan ändrar mikroskopets inställningar under experimentets gång utan mänsklig inblandning. Vidare kan vi träna maskininlärningsmodeller för att avbilda prover med mycket låga foton-/elektronnivåer och förutsäga biologiska händelser innan de inträffar på sätt som människor inte kan. Detta kan minska fototoxiciteten i experiment med levande celler och påskynda bildinsamlingen av stora och komplexa prover. CCI erbjuder tillgång till, service och expertis inom innovativ avbildningsteknik i världsklass sedan 2003. Vi tror att CCIs resurser är väl lämpade för att hantera utmaningarna med smart mikroskopi. Tack vare den höga tekniska och vetenskapliga skickligheten hos vår personal och de resurser som finns tillgängliga inom vår infrastruktur och internationella partners kommer vi kunna omvandla smarta mikroskopimetoder till tjänster tillgängliga för alla forskare.
Populärvetenskaplig beskrivning
We all know the idiom “seeing is believing”, which has proven relevant not only on everyday life but also in scientific endeavours. Therefore, it shouldn't come as a surprise that microscopy has become a central technology in natural sciences, constantly providing important insights into cellular and molecular mechanisms throughout all branches of biological and medical research. Moreover, despite considerable technological advances, many microscopy experiments are still carried out in much the same way as they were decades ago, where samples are prepared and imaged one by one, and a scientist explores the sample until finding the region of interest before doing more detailed experiments. This need for human intervention in many cases hinders the acquisition of enough data to obtain statistically meaningful results, which is fundamental to sciences across all fields spanning both basic research in cell and developmental biology as well as translational research in tissue engineering, drug screening, and personalized medicine. Automation and artificial intelligence are revolutionising many sectors, from public transport to medicine. Implementing this vision in microscopy, referred to as “smart microscopy” requires a paradigm shift in current technology development and experimental design. It will no longer be the lone scientist sitting in front of a microscope that takes each image. It is the time to leave the path of designing microscopes for manual operation behind. It is not enough to merely make microscopes controllable via a computer, instead, image acquisition and image processing must be interconnected so that the microscope can adapt to the current view of the sample, make decisions based on artificial intelligence, and then acquire only what is essential to the scientific question and leaves the rest untouched. The Centre for Cellular Imaging (CCI) offers world-class access, service, and expertise to innovative imaging technologies since 2003. With our experience in advanced microscopy imaging, specimen preparation, data processing and analysis we support the broad needs of our users both in academia and industry. To tackle the challenge of smart microscopy at the CCI, we plan to develop microscopy workflows that use on-the-fly image analysis to continuously monitor the sample, give real-time feedback to the imaging software, and program the microscope to change its parameters during the experiment without human intervention.