AI模型震撼升級：開啟智能細(xì)胞分析新紀(jì)元
生命科學(xué)與數(shù)據(jù)科學(xué)已經(jīng)融合。機(jī)器視覺和自動化技術(shù)的進(jìn)步使生物學(xué)家能夠生成大量的數(shù)據(jù)，深度學(xué)習(xí)技術(shù)是識別數(shù)據(jù)模式和關(guān)聯(lián)性的一種強(qiáng)大工具，能夠幫助生物學(xué)家識別和提取海量數(shù)據(jù)中隱含的不顯著的相關(guān)性。深度學(xué)習(xí)是一類算法，擅長于識別和利用大型數(shù)據(jù)集中的模式。
傳統(tǒng)算法
解決細(xì)胞計數(shù)與活力分析的傳統(tǒng)方法是設(shè)計一個函數(shù)：分析什么樣的像素模式傾向于表示細(xì)胞的存在？什么樣的細(xì)胞形態(tài)傾向于區(qū)分活細(xì)胞和死細(xì)胞？程序員可以編寫代碼來識別一些特定類型的特征，然后嘗試識別一些特征組合，最后生成所需結(jié)果。這一過程是緩慢而耗時的，分析結(jié)果的準(zhǔn)確性取決于程序員的細(xì)胞生物學(xué)知識。
 
深度學(xué)習(xí)算法
深度學(xué)習(xí)采用完全不同的方法：允許計算機(jī)根據(jù)數(shù)據(jù)學(xué)習(xí)自己的函數(shù)，一個獨(dú)立于具體問題的模型和算法。我們只需要提供訓(xùn)練數(shù)據(jù)，它就會自動確定參數(shù)，從而將通用模型轉(zhuǎn)換為能解決具體問題的一個特定函數(shù)。
 
AI模型——想你所想
CytScop的AI模型是基于卷積神經(jīng)網(wǎng)絡(luò)CNN的模型架構(gòu)的深度學(xué)習(xí)方法，模型的每一層都是原始圖像的一種新的呈現(xiàn)形式，用比上一層更大、更抽象的特征來描述。
模型運(yùn)行時，不再需要人為設(shè)置各種參數(shù)閾值如直徑、亮度、圓度、系數(shù)等，對不同的細(xì)胞類型/生物工藝具有良好的可拓展性與更準(zhǔn)確的泛化能力。
AI模型通過海量真實(shí)工藝的數(shù)據(jù)訓(xùn)練與反復(fù)測試驗(yàn)證，自適應(yīng)各種細(xì)胞生長周期的不同形態(tài)（更科學(xué)地識別細(xì)胞凋亡/團(tuán)簇團(tuán)聚等復(fù)雜情況）；避免了人為參數(shù)調(diào)整的干預(yù)，助力您快速獲取高精密度，高準(zhǔn)確度的分析結(jié)果。
在生物制藥工藝過程中，需要細(xì)胞培養(yǎng)來生產(chǎn)疫苗和蛋白質(zhì)治療藥物等生物產(chǎn)品，通過準(zhǔn)確計算細(xì)胞數(shù)量，生產(chǎn)者可以監(jiān)測細(xì)胞的生長情況，調(diào)整培養(yǎng)條件以提高產(chǎn)量和產(chǎn)品質(zhì)量，所以細(xì)胞計數(shù)在生物制藥工藝過程中起著至關(guān)重要的作用。
傳統(tǒng)算法局限了不同生物工藝/細(xì)胞系的識別與泛化能力，不可避免地造成了同一細(xì)胞系在工藝開發(fā)與生產(chǎn)階段中的各種誤差累積難以解釋。而數(shù)據(jù)完整性與測量的準(zhǔn)確性有關(guān)，人為改變調(diào)整算法參數(shù)會直接影響測量；必須確保測量設(shè)備系統(tǒng)中的算法參數(shù)設(shè)置在工藝過程中沒有任何修改。
基于大數(shù)據(jù)訓(xùn)練的AI模型，不僅大大提高了測量分析精度與準(zhǔn)確性；還能幫助企業(yè)尋找數(shù)據(jù)湖（Data Lakes），以滿足FDA的ALCOA+[可歸屬、易讀、同步、原始、準(zhǔn)確、完整、一致、持久和可用] 數(shù)據(jù)完整性原則。
您可關(guān)注浚真生命科學(xué)官網(wǎng)www.bioaces.com，近期，我們將在網(wǎng)站開通CytScop的AI模型下載入口，歡迎下載體驗(yàn)。