Специалисты Национального исследовательского ядерного университета "МИФИ" (НИЯУ МИФИ) представили прорывной метод обучения нейросетей. Они первыми разработали подход для автоматического поиска и анализа наночастиц по данным электронной микроскопии. Новая технология открывает перспективу отказаться от трудоемкой ручной обработки снимков, обеспечив многократный рост скорости и качества изучения новейших наноматериалов.
Решение проблемы обучающих данных
Как пояснили исследователи, эффективное обучение нейросети требует больших массивов примеров с готовыми решениями ("разметки"). Создание десятков тысяч размеченных изображений специалистами-разметчиками представляет значительную трудность для многих научных задач.
Прорыв в микроскопии наночастиц
Особенно остро вопрос стоял в анализе данных сканирующей электронной микроскопии (СЭМ). Ученые НИЯУ МИФИ нашли блестящее решение: обучать нейросети на синтетических изображениях, генерируемых компьютером, а не на реальных снимках с ручной разметкой.
Ключевые вызовы и роль СЭМ
Александр Харин, специалист Инженерно-физического института биомедицины НИЯУ МИФИ, уточнил: "СЭМ незаменим для изучения наночастиц в медицине и материаловедении. Анализ включает обнаружение частиц и замер их размеров. Существующие нейросетевые методы здесь не применялись, а классические алгоритмы обработки изображений не обеспечивают нужной точности".
Автоматизация вместо ручного труда
До сих пор ученым приходилось вручную обводить и измерять каждую из тысяч частиц на микрофотографии для последующего анализа или обучения нейросети. Основное препятствие – отсутствие крупных, качественно размеченных наборов данных. Гениальная идея команды: использовать реалистично сгенерированные изображения наночастиц, для которых координаты и размеры известны изначально.
Успех синтетических данных
Александр Харин отметил: "Использование синтетически созданных изображений доказало свою высокую эффективность применительно к СЭМ. Нейросеть, обученная на них, демонстрирует отличные результаты и на реальных экспериментальных данных".
Революция в исследовании материалов
Этот подход знаменует революцию в анализе СЭМ-снимков, обещая полную автоматизацию процесса. Ученые уверены: технология не только резко сократит время исследований, но и позволит анализировать десятки тысяч частиц вместо сотен, существенно повысив статистическую значимость.
В основе проекта – нейросетевая архитектура RetinaNet. Вдохновленные успехом, исследователи НИЯУ МИФИ уже планируют применить аналогичную стратегию для автоматической классификации наночастиц по форме, где сегодня также преобладает ручная работа.
Источник: scientificrussia.ru
