les-données-imagerie-analysées-par-des-algorithmes
Les techniques d’imagerie permettent d’examiner en détail l’intérieur d’un organisme. Mais l’interprétation des données prend beaucoup de temps et nécessite une grande expérience. Les réseaux neuronaux artificiels ouvrent de nouvelles possibilités – ils ne nécessitent que quelques secondes pour interpréter les scanners du corps entier de souris et pour segmenter et représenter les organes en couleurs, au lieu de les représenter dans différentes nuances de gris. Cela facilite considérablement l’analyse.

Analyser des données

« L’analyse des processus d’imagerie tridimensionnelle est très compliquée », explique Oliver Schoppe. En collaboration avec une équipe de recherche interdisciplinaire, ce chercheur a maintenant développé des algorithmes d’auto-apprentissage pour aider à analyser les données des images bioscientifiques.
Au cœur du logiciel AIMOS – « Mouse Organ Segmentation » (segmentation des organes de la souris) basée sur l’IA – se trouvent des réseaux neuronaux artificiels qui, comme le cerveau humain, sont capables d’apprendre. « Avant, il fallait dire aux programmes informatiques exactement ce que l’on voulait qu’ils fassent », explique M. Schoppe. « Ces réseaux neuronaux n’ont pas besoin de telles instructions : »il suffit de les former en leur présentant plusieurs fois un problème et une solution. Progressivement, ces algorithmes commencent à reconnaître les schémas pertinents et sont capables de trouver eux-mêmes les bonnes solutions ».

La formation des algorithmes d’auto-apprentissage

Dans le cadre du projet AIMOS, ces algorithmes ont été formés à l’aide d’images de souris. L’objectif était d’attribuer les points d’image du scanne 3D du corps entier à des organes spécifiques, comme l’estomac, les reins, le foie, la rate ou le cerveau. Sur la base de cette attribution, ce programme peut alors montrer la position et la forme exactes.
« Nous avons eu la chance d’avoir accès à plusieurs centaines d’images de souris provenant d’un autre projet de recherche, qui avaient toutes déjà été interprétées par deux biologistes », se souvient M. Schoppe. L’équipe a également eu accès à des scannes 3D microscopiques par fluorescence de l’Institut d’ingénierie tissulaire et de médecine régénérative du Helmholtz Zentrum de Munich.
Grâce à une technique spéciale, les chercheurs ont pu éliminer complètement le colorant de souris déjà décédées. Les corps transparents ont pu être examinés au microscope, étape par étape et couche par couche. Les distances entre les points de mesure n’étaient que de six micromètres – ce qui équivaut à la taille d’une cellule. Les biologistes avaient également localisé les organes dans ces ensembles de données.

L’intelligence artificielle améliore la précision

Les techniciens de l’information ont présenté les données à leurs nouveaux algorithmes. Et ceux-ci ont appris plus vite que prévu, rapporte Schoppe : « nous n’avons eu besoin que d’une dizaine de scanners du corps entier pour que ce logiciel puisse analyser les données par lui-même, et ce en quelques secondes. Il faut des heures humaines pour y parvenir ».
L’équipe a ensuite vérifié la fiabilité de cette intelligence artificielle à l’aide de 200 autres scanners corporels de souris. « Le résultat montre que ces algorithmes d’auto-apprentissage sont non seulement plus rapides que les humains, mais aussi plus précis », résume le professeur Bjoern Menze, chef du groupe de modélisation biomédicale.
Ce logiciel intelligent sera utilisé à l’avenir notamment dans la recherche fondamentale : « les images des souris sont essentielles pour, par exemple, étudier les effets de nouveaux médicaments avant qu’ils ne soient administrés à l’homme. L’utilisation d’algorithmes d’auto-apprentissage pour analyser les données des images permettra de gagner beaucoup de temps », souligne M. Menze.
Cette recherche a été publiée dans Nature Communications.
Source : Technical University Munich
Crédit photo : StockPhotoSecrets