Automated deep learning models for the analysis of biological microscopy images
| Promotie: | Mw. A. (Asmaa) Haja |
| Wanneer: | 15 januari 2024 |
| Aanvang: | 12:45 |
| Promotors: | prof. dr. L.R.B. (Lambert) Schomaker, prof. dr. I.J. (Ida) van der Klei |
| Waar: | Academiegebouw RUG |
| Faculteit: | Science and Engineering |
Zelflerende AI voor de analyse van microscopie-beelden
Bij de analyse van digitale microscopie kan kunstmatige intelligentie (AI) goed van pas komen. Het kan bijvoorbeeld ingezet worden voor het detecteren, segmenteren en classificeren van cellen en organellen in microscopische beelden. In haar promotieonderzoek constateert Asmaa Haja dat er momenteel echter nog specialistische kennis nodig is om succes te garanderen bij de inzet van AI. De huidige AI werkt bijvoorbeeld alleen goed wanneer het eerst getraind kan worden op een enorme hoeveelheid beelden waarvoor het gewenste antwoord al gegeven is. Individuele cellen zouden met de muis moeten worden omlijnd en daarbij een label (annotatie) moeten krijgen, voor elk nieuw type biomedisch onderzoeksdoel.
Haja presenteert in haar proefschrift een AI-methode die niet voor elke nieuwe toepassing een gelabelde dataset nodig heeft, met Self-supervised learning (SSL) om organoïde segmentatie te realiseren. Voor haar onderzoek gebruikte Haja microscopiebeelden van organoïden die zijn aangeleverd door het Universitair Medisch Centrum Groningen (UMCG). Ze vergeleek U-net/ResNet met de voorgestelde SSL-methode en met traditioneel supervised learning op gelabelde afbeeldingen. Verrassend genoeg waren de SSL-resultaten zelfs beter dan wanneer ze alleen vertrouwden op de door mensen gelabelde beelden.
Verder onderzocht Haja de detectie van overlappende objecten in een organoïde dataset en de classificatie van organellen in gistcellen met behulp van Mask-RNN en Yolo4. Haja ontwikkelde een 'e-Science' website waar biologisch onderzoekers afbeeldingen kunnen insturen voor segmentatie of classificatie. Deze website is uitgebreid met andere functies met betrekking tot de analyse van biologische gegevens, bijvoorbeeld de classificatie van FASTA-codes voor eiwitmoleculen.
Asmaa Haja voerde haar onderzoek uit bij het Bernoulli Institute for Mathematics, Computer Science and Artificial Intelligence, afdeling Kunstmatige Intelligentie.