中国科学院自动化所杨戈教授做客“百年南开之生命讲坛”

发布者:王一涵作者:李珍妮发布时间:2021-05-28浏览次数:128

2021527,应生命科学学院陈佺院长邀请,中国科学院大学人工智能学院长聘教授杨戈做客“百年南开之生命讲坛”,在生物站报告厅做了题为“Computational Analysis of Biological Microscopy Images Using Deep Learning”的学术报告,在报告开始前,陈凌懿副院长向大家介绍了杨戈教授的求学及工作经历,并向杨戈教授颁发了“百年南开之生命讲坛”主讲人纪念牌。

此次报告主要分为两部分内容:第一部分是应用深度学习的图像处理工具研究细胞器(溶酶体、内吞体、内质网)的互作规律;第二部分则是对深度学习在技术上的应用场景进行了举例。

杨戈教授首先详细地向师生们介绍了应用深度学习研究细胞器互作的研究思路。细胞器互作的首要前提就是细胞器在空间上靠近,那么在空间上是否有组织,是否有调控呢?通过单粒子跟踪溶酶体荧光的运动轨迹来分析其中的规律,发现溶酶体是空间组织的,在单细胞中保持非随机、稳定而明显的空间分布。然后通过跟踪成对的晚期内吞体和溶酶体的运动轨迹,发现二者之间确实存在互作,且溶酶体在细胞内空间形成动态簇,可以促进其与内吞体的相互作用。在发现溶酶体空间分布与内质网致密程度有关后,又利用人工智能深度学习提取内质网的形态及溶酶体的运动轨迹,发现溶酶体停顿时停在内质网节点上,说明内质网在抑制溶酶体运动中起着关键作用。另外,杨戈教授具体地举了一些深入学习实际应用的例子,包括对宽场图像进行深度学习的分析,使图像清晰化,可以在性能上接近共聚焦的效果,并改进其光毒性等方面的缺点。而将经典扫描式共聚焦得到的图像与深度学习相结合可以对分辨率进行进一步的提高,且可以保留传统共聚焦的优点。深度学习还可以对图像中的物体进行识别和分割,例如精确跟踪精子的头部,进行进一步分割得到精确的形态后可以判断精子是否正常。除此之外,深度学习还可以在原位断层扫描图像中进行自动的粒子挑选,解析大分子在细胞中原位的结构。最后,杨戈教授指出深度学习在细胞生物学等领域拥有广阔的应用前景,未来将会提供一些可靠的分析工具。

报告结束后,杨戈教授详细地解答了参会老师和同学们的提问。此次精彩的报告让大家对人工智能深度学习有了更深的认识和理解,扩展了大家对图像处理的新思路,让大家受益匪浅。