Научный портал открытого доступа: облачный анализ ускорил обработку сканов пыльцы в 5 раз
Мы представляем PALYIM (PALYnology IMage Analysis Platform), разрабатываемую веб-интеллектуальную модульную и расширяемую платформу для обработки и визуализации коллекций целых слайдов Z-стека с использованием опубликованных моделей искусственного интеллекта для палинологического анализа. Палинология относится к изучению пыльцевых зерен, спор и других микроскопических материалов с органическими стенками, называемых палиноморфами, выделенных из образцов отложений и горных пород [2]. Палинологи традиционно подсчитывают ископаемые пыльцу и споры, помещенные на предметные стекла микроскопа, визуально. Появление надежных и доступных сканирующих микроскопов позволяет нам создавать виртуальные цифровые представления этих слайдов, хотя каждое изображение с высоким разрешением может занимать около 10 ГБ памяти. Несмотря на растущее количество опубликованных работ по автоматизированным методам идентификации, идентификация пыльцы остается узкоспециализированной, трудоемкой и в первую очередь визуальной задачей. Существует несоответствие между опытом многих экспертов по пыльце и навыками, необходимыми для разработки и внедрения компьютерного зрения, глубокого обучения, управления данными и рабочих процессов HPC. Кроме того, большинство аналитиков пыльцы будут иметь ограниченный доступ к передовым вычислительным ресурсам, необходимым для реализации этих рабочих процессов. PALYIM стремится значительно уменьшить эти барьеры, и эта закономерность наблюдается и в других научных областях, основанных на анализе изображений с высоким разрешением, таких как гистопатология. Мы разрабатываем исследовательские программные модули PALYIM, ориентированные на простоту использования и адаптируемость для исследовательских групп, использующих различные форматы данных микроскопии и исследовательские направления. Мы тестируем эти модули на данных трех групп, чтобы избежать изолированной разработки, и выпускаем их с открытым исходным кодом, как только они достигнут базовой зрелости. Мы представляем высокоуровневую архитектуру PALYIM, которая включает в себя Clowder V2 [6] в своей основе, и описываем разработанные модули, в том числе Tile Cropping [8], сегментацию области интереса [9], бинарную классификацию пыльцы для начальной фильтрации сегментов пыльцы и непыльцы, кластеризацию и аннотацию пыльцы для генерации обучающих данных, а также запланированные модули, включая окончательную классификацию пыльцы для идентификации различных морфовидов пыльцы. Clowder предлагает настраиваемые расшир
## В чем суть открытия Как палинологи могут анализировать целые слайдовые изображения объемом в несколько гигабайт, не имея опыта глубокого обучения, и могут ли модульные? ## Как это устроено: принцип работы Палинология относится к изучению пыльцевых зерен, спор и других микроскопических материалов с органическими стенками, называемых палиноморфами, выделенных из образцов отложений и горных пород [2]. Палинологи традиционно подсчитывают ископаемые пыльцу и споры, помещенные на предметные стекла микроскопа, визуально. ## Что это меняет на практике Ускоряет палеоклиматические и палеоэкологические исследования за счет сокращения времени обработки целых слайдов с многодневной продолжительности до примерно 1,5 дней, а также демократизации рабочих процессов ИИ для палинологов, не имеющих специальных навыков компьютерного зрения. ## Границы метода и риски Требуется инфраструктура HPC (например, NCSA Delta) для огромных многогигабайтных наборов данных WSI, а также полная автоматическая интеграция прослушивателей событий и сквозная классификация нескольких морфовидов, которые продолжаются и находятся в стадии разработки. ## Результаты и доказательства - **Комплексный скор значимости:** 6.5 / 10.0 - **Уровень доказательности:** Теоретическое обоснование - **Реализация в открытом доступе:** Да (верифицируемый репозиторий кода)