编辑推荐：
由Ignacio Arganda（巴斯克大学- UPV/EHU， Ikerbasque， Donostia国际物理中心和Biofisika研究所）和Arrate Mu?oz-Barrutia（马德里卡洛斯三世大学，Gregorio Mara?ón健康研究所）领导的国际研究团队开发了BiaPy，这是一个开放代码的人工智能平台，可以使用深度学习技术促进生物医学图像的分析。这项研究发表在著名的《自然方法》杂志上。
用于研究细胞结构，组织和器官跨越一系列学科，图像分析是生物医学的一个重要工具。然而，应用人工智能来分析这些图像传统上是编程和数据科学专家的专利。
BiaPy通过提供一个易于使用的平台打破了这一障碍，该平台允许在不需要专业技术知识的情况下应用先进的人工智能模型。该研究的主要作者Daniel Franco解释说：“BiaPy的目标是通过使更多的科学家和医疗保健专业人员能够在不需要高级编程或机器学习技能的情况下利用其潜力，使生物成像领域的人工智能民主化。”
Daniel Franco目前是英国剑桥大学MRC分子生物学实验室的博士后研究员。BiaPy允许对科学图像进行不同类型的分析，例如自动识别细胞或其他生物结构，计数元素，根据外观对样品进行分类，或提高图像质量以查看更精细的细节。所有这些都可以用二维图像以及通过各种显微镜技术获得的三维图像来完成。
更重要的是，BiaPy的设计是高效和可扩展的：它可以处理各种各样的数据量，从几张小图像到tb级的信息，比如扫描组织或整个器官时产生的信息。该工具基于“人工智能模型”的使用，这种算法经过训练，可以识别图像中的模式，类似于人眼识别形状或颜色的方式。示例用于创建模型：例如，已经手动标记了单元格的图像。经过充分的训练，模型学会自动执行这些任务，即使是在它从未见过的新图像上。
BiaPy还被整合到生物图像模型动物园（BioImage .io）中，这是一个来自世界各地的研究人员共享预训练模型的数据库。由于这种集成，BiaPy用户可以重用现有模型来制作新图像或轻松训练自己的模型，”Arrate Muoz解释说，他是该论文的高级合著者，也是开发生物图像模型动物园的欧洲联盟AI4Life的成员。
这个工具已经被用于先进的科学项目。一个例子是CartoCell，这是一种与Luis M. Escudero（塞维利亚生物医学研究所[virgin del Rocío大学医院/CSIC/塞维利亚大学]）协调的实验室合作开发的软件解决方案。CartoCell分析显微镜图像，揭示隐藏模式的形状和分布的细胞内的3D上皮组织来自不同的生物体。
另一个值得注意的案例是它与Emmanuel Beaurepaire （école Polytechnique, France）和Jean Livet （Institut de la Vision, Paris）实验室的合作应用。这些研究小组开发了ChroMS显微镜技术，利用水母和珊瑚蛋白质产生的荧光颜色，可以获得整个大脑的巨大三维图像。BiaPy被用于自动检测这些大尺度图像中的每个细胞，甚至在大脑人口密集的区域，允许通过基于细胞的颜色和三维位置重建细胞谱系来研究大脑发育。
作为一个开放获取的工具，BiaPy对科学界是免费的，从而促进了协作和软件的持续改进。它可以用在有多个显卡的个人电脑或服务器上，也可以用在云中。它易于安装，并确保实验可以在各种环境中轻松重复，从而促进开放，可复制的科学。
正如该论文的资深作者Ignacio Arganda所指出的，“BiaPy的开发代表了向显微镜中先进人工计算机视觉民主化迈出的重要一步。它的无障碍设计和对开放协作的关注减少了技术障碍，使更多的研究人员和医疗保健专业人员更容易将人工视觉应用于他们的研究。它与各种计算环境的兼容性及其开放代码的性质意味着它是一个在推动创新和加速科学发现方面提供巨大潜力的平台。”
有关BiaPy的更多信息，请访问：http://biapyx.github.io/
BiaPy: accessible deep learning on bioimages
生物通微信公众号
生物通 版权所有
