Modern biyoloji laboratuvarlarında kullanılan optik mikroskoplar artık tamamen bilgisayar kontrolünde çalışıyor. Ancak bu cihazları gerçekten akıllı sistemlere dönüştürmek için, algıladıkları nesnelere ve dinamik biyolojik olaylara gerçek zamanlı tepki verebilmeleri gerekiyor. Araştırmacılar bu hedefe ulaşmak için yeni bir yapay zeka yaklaşımı geliştirdi.
Semi-supervised GAN (Yarı-denetimli Üretici Çekişmeli Ağ) adı verilen bu sistem, sınırlı kaynaklarda bile güçlü hücre döngüsü sınıflandırması yapabiliyor. Geleneksel yöntemler genellikle özel yazılımlar gerektiriyor ve dar kapsamlı biyolojik uygulamalar için tasarlanıyor. Üstelik etkili eğitim için büyük miktarlarda etiketli veri seti ihtiyaç duyuyorlar.
Yeni geliştirilen çerçeve, etiketli mikroskop görüntüleri ile yapay olarak üretilmiş örnekleri birleştirerek bu sorunu çözüyor. Sistem, etiketlenmemiş veri alt kümesi sınıf dengesizliği gösterse bile kararlı performans sergiliyor. Bu özellik, farklı hücresel yapılara uyum sağlamasını mümkün kılıyor.
Araştırma ekibi, modellerini beş farklı mitoz sınıfını içeren Mitocheck veri seti üzerinde test etti. Sonuçlar, sistemin az miktarda etiketli veri ile bile yüksek doğrulukla hücre bölünmesi evrelerini ayırt edebildiğini gösteriyor. Bu başarı, biyoloji araştırmalarında mikroskopların otomatik karar verme yeteneklerini önemli ölçüde artırabilir.