Στα πλαίσια του έργου ABiOMiCeC
Στάθης Χατζηδημητρίου , Luca Ferrarini, Ιωάννα Παναγιώτου – Τμήμα Τεχνολογιών Πληροφορικής, Πανεπιστήμιο Λεμεσού
Άδωνης Χατζηγεωργίου, Πάρης Σκουρίδης, Ράνια Χατζησάββα – Τμήμα Βιολογικών Επιστημών, Πανεπιστήμιο Κύπρου
Η απεικόνιση με οπτική μικροσκοπία είναι απαραίτητη για βιολογικές και βιοϊατρικές μελέτες σε πανεπιστήμια, παθολογικές κλινικές νοσοκομείων, καθώς και στη φαρμακοβιομηχανία. Μπορεί να συνδυαστεί αποτελεσματικά με σύγχρονη βαθιά μάθηση για νευρωνικά δίκτυα, τα οποία διαδραματίζουν κεντρικό ρόλο στην τρέχουσα και ραγδαία ανάπτυξη της τεχνητής νοημοσύνης. Αυτές οι μεθοδολογίες είναι ιδιαίτερα σημαντικές για μελέτες που σχετίζονται με τον προσδιορισμό του φαινοτύπου και την αξιολόγηση θεραπειών για τον καρκίνο.
Η βιοϊατρική μικροσκοπία γίνεται όλο και πιο εκτεταμένη και πολύπλοκη. Οι ληφθείσες εικόνες μπορεί να είναι από μικροσκοπία αντίθεσης φάσης, μελέτες χρονικής παρέλευσης, πολυτροπική απεικόνιση ή ογκομετρικά σύνολα δεδομένων. Οι συνεργάτες μας στο Πανεπιστήμιο Κύπρου εκτελούν νέες απεικονιστικές μελέτες σύμφωνα με τους στόχους του έργου. Το μεγάλο μέγεθος αυτών των δεδομένων αποτελεί πρόκληση αποθήκευσης για ορισμένα εργαστήρια.
Η διαδικασία εξαγωγής πληροφοριών από τα δεδομένα γίνεται πιο περίπλοκη. Τα σύνολα δεδομένων εξετάζονται συχνά με άμεση παρατήρηση ή χειρωνακτικά, κάτι που μπορεί να είναι χρονοβόρο και περιοριστικό. Αυτό δημιουργεί την ανάγκη για εποπτευόμενη και, όταν είναι εφικτό, χωρίς επίβλεψη ανάλυση τους. Ορισμένα σχετικά πακέτα λογισμικού είναι διαθέσιμα στην αγορά. Ωστόσο, παρέχουν παραδοσιακή λειτουργικότητα σε ψηλή τιμή και απαιτούν εκτεταμένες λήψεις και εγκαταστάσεις σε εργαστηριακό υπολογιστή υψηλών προδιαγραφών. Η λειτουργία τους είναι επίσης απαιτητική.
Το έργο με ακρώνυμο ABiOMiCeC (δηλαδή, Analysis of Biological Optical Microscopy Time-Lapse Video Sequences of Cells in the Cloud) στοχεύει στη βελτίωση της υπάρχουσας επεξεργασίας βάσει αρχών, ενώ παράλληλα ενσωματώνει τις τελευταίες τάσεις στη βαθιά μάθηση για την ανάλυση και την κατανόηση δεδομένων κυτταρικής βιολογικής μικροσκοπίας. Ιδιαίτερος σκοπός είναι η ανάλυση δεδομένων κυτταρικής απεικόνισης αντίθεσης φάσης. Οι στόχοι της μεθοδολογίας είναι η καταμέτρηση και ο χαρακτηρισμός κυτταρικών γεγονότων όπως οι κυτταρικές διαιρέσεις καθώς και η παρακολούθηση της κυτταρικής κίνησης. Είναι κατάλληλο για μελέτες υψηλής απόδοσης που αξιολογούν την αποτελεσματικότητα νέων φαρμάκων χημειοθεραπείας κατά του καρκίνου. Συγκεκριμένα, επιτρέπει την αξιολόγηση των φαρμάκων για αυξημένη ειδικότητα και μειωμένες παρενέργειες.
Tο αναπτυσσόμενο λογισμικό περιλαμβάνει μια σειρά βημάτων. Πρώτο, την προεπεξεργασία για την αφαίρεση τεχνουργημάτων απεικόνισης και η ανακατασκευή των εικόνων αντίθεσης φάσης. Το δεύτερο βήμα εστιάζει στην ανίχνευση κυτταρικών διαιρέσεων σε βίντεο μικροσκοπίας αντίθεσης φάσης. Για να το πετύχουμε αυτό, συνδυάζουμε μεθοδολογία αρχών μαζί με βαθιά μάθηση. Το τρίτο βήμα παρακολουθεί την κυτταρική κίνηση και την απόπτωση. Τέλος, υπολογίζει συνολικά αναλυτικά στατιστικά.
Η διεπαφή για χρήση του λογισμικού είναι απλή. Στην τελευταία φάση του έργου, τα εργαλεία του λογισμικού για την επεξεργασία των ακολουθιών βίντεο θα είναι διαθέσιμα με ανοιχτή πρόσβαση μέσω του υπολογιστικού νέφους κατόπιν ζήτησης. Αυτά θα κάνουν το λογισμικό εύκολα και ευρέως προσβάσιμο και θα επιτρέψουν στους χρήστες να παρέχουν χρήσιμα σχόλια.
Το έργο στοχεύει να ενσωματώσει την τελευταία λέξη της τεχνολογίας μικροσκοπικής απεικόνισης μαζί με προηγμένη επεξεργασία εικόνας και βαθιά μάθηση και να καταστήσει αυτή τη λειτουργικότητα διαθέσιμη μέσω του υπολογιστικού νέφους κατόπιν ζήτησης. Αυτό μπορεί να αυξήσει την απόδοση στην αξιολόγηση νέων φαρμάκων για θεραπεία του καρκίνου.