Аспиранты ИТМО «научили» алгоритмы считать клетки на снимках микроводорослей с помощью компьютерного зрения

Микроводоросли активно применяют в пищевой промышленности, косметологии, фармацевтике, очистке водоемов и в качестве альтернативных источников топлива. Такое сырье безопасно для человека и окружающей среды. Например, экологи ИТМО подробно изучают возможности применения в этих сферах одного из видов микроводорослей — хлореллы (Chlorella vulgaris).

Чтобы выращивать микроводоросли в промышленных масштабах, нужно определить оптимальные условия и среду для их культивирования. Один из важнейших показателей эффективности процесса роста и деления клеток — их концентрация. Этот маркер отражает, сколько клеток находится в одном миллилитре или грамме вещества, позволяет сравнить разные образцы и определить причины увеличения или снижения числа клеток. Рассчитывают его вручную по разработанной еще в XX веке методике с помощью счетной камеры Горяева — предметного стекла с разметкой.

«Этот метод подсчета отнимает много сил и времени. При больших концентрациях клеток на анализ одного образца уходит до 30 минут, а за день обычно нужно обработать больше 10 образцов! Все это время лаборант сидит за микроскопом, неотрывно и поэтапно работает с секторами счетной камеры, из-за чего нередко снижается его концентрация и возникают ошибки. Единственный способ сделать этот процесс более быстрым, точным и дешевым — использовать инструменты для его автоматизации», — отмечает автор исследования, аспирант факультета экотехнологий ИТМО Иван Морщинин.

Сейчас на рынке существуют десятки подобных инструментов. Однако подавляющее большинство — это нейросети, которые требуют больших объемов данных для обучения, специальной подготовки пользователя и работают только на дорогостоящем оборудовании. Кроме того, такие ИИ определяют лишь общее число клеток в образце, а их концентрацию приходится рассчитывать вручную.

Ученые ИТМО разработали метод автоматизированного подсчета концентрации клеток в образцах по снимкам с помощью технологий компьютерного зрения, который работает на обычном компьютере. Пользователь загружает снимки клеток с микроскопа в специальную папку и запускает код. Сначала фото обрабатываются с помощью алгоритмов: цветовой спектр снимков смещается в сторону зеленого цвета, изображение переводится в черно-белое и размывается. Это необходимо, чтобы «очистить» снимки от примесей раствора. Затем в работу «включается» алгоритм кругов Хафа для поиска и разграничения окружностей на изображении — так как клетки микроводорослей круглые, алгоритм буквально «обводит» их по контуру и отделяет друг от друга. На последнем этапе выделенные клетки нумеруются, подсчитываются и по специальной формуле определяется их концентрация в образце.

«Ученый всегда может перепроверить качество обработки снимков. Если алгоритм плохо выделил клетки на фото, можно перенастроить гиперпараметры, такие как увеличение микроскопа, объем счетной камеры, разрешение снимков и другие, и перезапустить код. В случае с инструментами на основе нейросетей это сделать нельзя. Если изменится хотя бы один параметр снимков, например, разрешение станет ниже, ИИ будет работать некорректно и его придется переучивать на новых данных. Наш инструмент адаптивный — работает со снимками с любого оборудования и с любыми параметрами», — объясняет автор исследования, аспирант факультета технологий искусственного интеллекта, младший научный сотрудник исследовательского центра «Сильный искусственный интеллект в промышленности» ИТМО Юлия Борисова.

Один «пакет» снимков алгоритмы обрабатывают за 30 секунд вместо привычных 30 минут, то есть в 60 раз быстрее человека. При этом, как показали контрольные тесты, качество получаемых данных остается тем же, а также снижается вероятность возникновения ошибки из-за человеческого фактора. Кроме того, по сравнению с популярным предобученным нейросетевым решением на основе StarDist разработанный метод лучше выделяет клетки: 97% точности против 92%.

По словам куратора исследования, кандидата технических наук, доцента факультета экотехнологий Нелли Молодкиной, использование нового метода позволило значительно ускорить процесс их работы с микроводорослями хлореллы. Как отмечает эколог, применение ИИ и методов машинного обучения повышает качество результатов экологических исследований, помогает снизить количество ошибок и погрешностей и расширяет представления об изучаемом объекте за счет новых данных.

В планах разработчиков — «упаковать» инструмент в удобное даже для неподготовленного пользователя UX-приложение. А также поработать с другим типом клеток, например, с такими же круглыми по форме клетками крови. В перспективе этот метод можно будет использовать в работе с овальными, веретенообразными, плоскими и другими клетками, заменив алгоритм Хафа на схожий по функциональности, но работающий с другим видом данных.

Исследование проводилось в рамках коллаборации двух факультетов ИТМО — экотехнологий и технологий искусственного интеллекта. В проекте принимали участие студенты обоих подразделений: Юлия Борисова, Иван Морщинин и Вероника Назарова. Руководителями выступили кандидат технических наук, доцент факультета технологий искусственного интеллекта Николай Никитин и кандидат технических наук, доцент факультета экотехнологий Нелли Молодкина.