Истраживање је објављено у научном часопису Ultramicroscopy.
Да би се неуронска мрежа оспособила за решавање одређеног проблема, неопходно је, према објашњењима научника, „нахранити“ низ већ решених примера. Обе примере за обуку обично стварају људи, такозвани обележивачи података. Да би мрежа научила да анализира слике, потребно је десетине хиљада означених фотографија, што је, према речима научника, изузетно тешко за бројне високоспецијализоване научне проблеме.
Једно од таквих подручја је анализа података о микроскопији наночестица, за које још нису постојали одговарајући инструменти. Истраживање научника је показало да је могуће ефикасно обучити неуронске мреже да анализирају фотографију из скенирајућег електронског микроскопа без ручног обележавања стварних микрофотографија, већ генерисањем слика које их симулирају на рачунару.
„Скенирајући електронски микроскоп, који користи електронски сноп уместо видљиве светлости, користи се за проучавање наночестица синтетизованих за циљеве медицине и у друге сврхе. Анализа фотографија овог микроскопа састоји се у откривању честица и њиховој расподели по величини. Приступи неуронске мреже у овој области нису развијени, а стандардне методе обраде фотографија не пружају потребан квалитет“, објаснио је специјалиста Инжењерско-физичког института биомедицине Националног истраживачког нуклеарног универзитета „МИФИ“, Александар Харин.
Обично се и анализа микрофотографија и њихово обележавање за неуронске мреже спроводи у ручном режиму: научник прати сваку честицу и мери њену величину. Уз то, на једној фотографији их може бити неколико хиљада. Постојеће архитектуре неуронске мреже омогућавају ефикасну анализу таквих фотографија, па је проблем, према речима научника, само у недостатку довољног броја означених података.
Испоставило се, према речима научника са Националног истраживачког нуклеарног универзитета „МИФИ“, да се наночестице могу једноставно нацртати, узимајући у обзир њихову текстуру на стварним микрофотографијама из отворених база снимака, који су забележени уз помоћ скенирајућег електронског микроскопа. Тада ће се за сваку генерисану фотографију тачно знати где се честице налазе и које су величине.
„Сличан приступ је коришћен за решавање неких задатака, на пример, за обуку беспилотних аутомобила, али се испоставило да цртање фотореалистичних и прилично променљивих фотографија није лако. Али у односу на скенирајући електронски микроскоп, овај приступ је потпуно оправдан: неуронска мрежа која је обучена на нацртаним фотографијама, одлично функционише и на оним стварним“, истакао је Александар Харин.
Резултати истраживања ће омогућити аутоматизацију обраде фотографија са скенирајућег електронског микроскопа, што ће довести до преокрета стандардних метода за проучавање нових материјала, сигурни су научници. То ће помоћи не само да се смањи време истраживања, већ и да се повећа број анализираних честица: са стотина јединица на десетине хиљада.
У истраживању је коришћена неуронска мрежа са архитектуром RetinaNet. У будућности, истраживачки тим намерава да користи исти приступ за класификацију наночестица по облику. Засад се ово у потпуности обавља ручно.
Прочитајте још:
