Tymchenko B. I. Classifying mixed patterns оf proteins in microscopic images with deep neural networks = Класифікація патернів білків на мікроскопічних зображеннях з використанням глибоких нейронних мереж / B. I. Tymchenko, A. A. Hramatik, H. P. Tulchiy, S. G. Antoshchuk // Herald of Advanced Inform. Technology. - 2019. - 2, № 1. - С. 29-36. - Бібліогр.: 21 назв. - англ.У наш час точна діагностика захворювань, їх лікування та прогноз є гострою проблемою сучасної медицини. Вивчаючи інформацію про людські протеїни, можливо ідентифікувати диференційно експресовані білки. Ці протеїни є потенційно цікавими біомаркерами, які слід використовувати для точного діагнозу, прогнозу або вибору індивідуального лікування, особливо в разі онкологічних захворювань. Результати досліджень показують, що відносно мало білків в людському тілі є тканиноспецифічними. Майже половина всіх білків класифікується як допоміжні білки, що експресуються в усіх клітинах. Тільки 2300 білків в організмі людини були ідентифіковані як тканиноспецифічні, що означає, що вони мають підвищені рівні експресії в певних тканинах. Завдяки досягненням в області високопродуктивної мікроскопії зображення генеруються занадто швидко для ручної оцінки. Отже, потреба в автоматизації аналізу біомедичних зображень є як ніколи великою, щоб прискорити розуміння людських клітин і захворювань. Історично класифікація білків обмежувалася індивідуальними паттернами в одному або декількох типах клітин, але для повного розуміння складності людської клітини моделі повинні класифікувати змішані патерни відповідно до кількості різних типів людських клітин. Сформульовано проблему класифікації зображень в медичних дослідженнях. У цій області активно використовуються методи класифікації з використанням глибоких загортальних нейронних мереж. Надано огляд різних підходів і методів подібного дослідження. Як набір даних було взято "Human Protein Atlas", що є тканинною картою протеома людини, складену в 2014 р. після 11 років досліджень. Всі дані профілювання експресії протеїнів є загальнодоступними в інтерактивній базі даних, що надає можливість досліджувати протеом людини на тканинній основі. Проведено аналіз робіт і методів, які використано в ході дослідження. Для вирішення цього завдання запропоновано модель глибокої нейронної мережі (НМ) з урахуванням характеристик домену та досліджуваної вибірки. Модель НМ засновано на архітектурі Inception-<$Enu>3. Процедура оптимізації містить комбінацію декількох методів для швидкої збіжності: стохастичний градієнтний спуск із перезапуском (зміна швидкості навчання для вивчення різних локальних мінімумів), прогресивна зміна розміру зображення (навчання починається з невеликої роздільної здатності та послідовно збільшує її кожен цикл SGDR). Запропоновано новий метод вибору порогу для міри F1. Розроблена модель може бути використана для створення приладу, інтегрованого в медичну систему інтелектуальної мікроскопії, визначення місця розташування білка по високоефективному зображенню. Індекс рубрикатора НБУВ: З810.22 + Р345
Рубрики:
Шифр НБУВ: Ж101737 Пошук видання у каталогах НБУВ
![](/irbis_nbuv/images/info.png) Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"
|