بی بدیل پرداز: با رشد بیش از پیش کاربرد هوش مصنوعی در پژوهش های علمی، روش های سنتی تحلیل تصاویر میکروسکوپی نیز دستخوش تغییر شده اند.
به گزارش بی بدیل پرداز به نقل از ستاد نانو،
نرم افزار شناخته شده ImageJ سال هاست که ابزار اصلی محققان در تحلیل تصاویر حاصل از میکروسکوپ های الکترونی و نوری است، اما محدودیت های آن در اجرای مدلهای یادگیری عمیق، زمینه را برای ظهور نسل جدیدی از ابزارهای تحلیلی فراهم آورده است. پلت فرم آنلاین ImJoy بعنوان بستری تعاملی و ترکیبی، امکان اجرای مدلهای یادگیری ماشین و هوش مصنوعی را در محیطی تحت وب و بدون نیاز به نصب نرم افزار فراهم می آورد و می تواند نقطه عطفی در تحلیل داده های تصویری علمی به شمار آید.
در سالیان اخیر، استفاده از میکروسکوپ های پیشرفته مانند SEM، FESEM، TEM و STEM در پژوهش های فناوری نانو، زیست پزشکی و علم مواد، به حجم عظیمی از داده های تصویری منجر گردیده است که تحلیل دقیق آنها به ابزارهای محاسباتی نو نیاز دارد. پلت فرم ImageJ یکی از قدیمی ترین و پرکاربردترین برنامه ها برای این منظور است که خیلی از محققان با آن آشنایی دارند. این نرم افزار به علت ساختار باز و پشتیبانی از پلاگین های متنوع، به ابزاری قابل اعتماد برای تحلیل تصاویر علمی تبدیل گشته است. در عین حال، محدودیت آن در استفاده از مدلهای یادگیری عمیق و نیاز به نصب محلی، سبب شده است محققان به دنبال راهکارهای هوشمندتر باشند.
پلتفرم ImJoy بعنوان پاسخی نوآورانه به این نیاز توسعه یافته است؛ سامانه ای مبتنی بر وب که با ترکیب فناوری هوش مصنوعی، یادگیری ماشین و ابزارهای تحلیلی تصویری، پروسه پردازش داده ها را وارد مرحله ای تازه می کند. کاربران در این پلت فرم می توانند مستقیم از مرورگر خود به ابزارهای متنوعی مانند ImageJ و Jupyter Notebook دسترسی پیدا کنند، بدون آن که احتیاجی به نصب یا پیکربندی نرم افزار داشته باشند. دسترسی آنلاین به نسخه ی کامل ImageJ و تمام افزونه های آن بوسیله نشانی ij.imjoy.io نیز از مزیت های این سامانه است.
یکی از برجسته ترین خاصیت های ImJoy، توانایی آن در اجرای مدلهای هوش مصنوعی و یادگیری عمیق است. بر خلاف ImageJ که بیشتر بر الگوریتم های کلاسیک پردازش تصویر مانند thresholding و edge detection تکیه دارد، این پلت فرم می تواند مدلهای پیشرفته ای همچون U-Net برای جداسازی سلولی (segmentation) یا مدلهای object detection را در محیط مرورگر اجرا نماید. این توانایی موجب می شود حجم بالایی از تصاویر میکروسکوپی با دقت و سرعت خیلی بیشتر از روش های سنتی تحلیل شود. علاوه بر این، کاربران می توانند مدلهای از پیش
آموزش دیده را مجدداً بازآموزی (retrain) کرده و متناسب با داده های خود بهینه سازی کنند.
از نظر زیرساخت نرم افزاری، ImJoy بگونه ای طراحی شده که با زبان های Python و JavaScript و همین طور کتابخانه های علمی معروف همچون NumPy، Pandas، OpenCV، scikit-image، PyTorch و TensorFlow سازگاری کامل دارد. این خاصیت امکان توسعه و اجرای الگوریتم های اختصاصی و پیچیده را مستقیم در محیط آنلاین فراهم می کند؛ قابلیتی که در نرم افزارهای سنتی مانند ImageJ با محدودیت های فنی و نیاز به ادغام های دشوار هم راه است.
ImJoy نه فقط ابزار قدرتمندی برای تحلیل تصویر، بلکه بستری برای همکاری گروهی محققان نیز هست. از آنجائیکه این پلت فرم کاملا آنلاین است، چند کاربر می توانند بصورت هم زمان روی یک پروژه تصویری کار کنند، مدلهای هوش مصنوعی را آموزش دهند و نتایج را بصورت زنده ببینند. چنین قابلیتی، تحلیل داده ها را از حالت فردی به فعالیتی تعاملی و گروهی مبدل می کند و خصوصاً در پروژه های چندرشته ای، زمان تحلیل و خطاهای انسانی را به میزان قابل ملاحظه ای می کاهد.
توسعه و اشتراک گذاری افزونه ها (Plug-ins) در ImJoy نیز با سهولت بیشتری صورت می گیرد. برنامه نویسان می توانند ابزارهای خودرا در قالب پلاگین های سبک طراحی نموده و فورا در محیط وب منتشر کنند. این در شرایطی است که در ImageJ، توسعه پلاگین ها معمولا نیازمند تسلط بر زبان Java و طی مراحل فنی پیچیده است.
با ترکیب این توانایی ها، ImJoy را میتوان پلی میان نرم افزارهای علمی کلاسیک و تکنولوژی های جدید یادگیری ماشین دانست. این سامانه با فراهم کردن بستری قابل دسترسی، تعاملی و انعطاف پذیر، به محققان اجازه می دهد داده های میکروسکوپی خودرا با دقتی بالاتر و در زمانی کمتر تحلیل کنند.
در نهایت، ظهور پلت فرم هایی مانند ImJoy نشان داده است که آینده ی پردازش تصاویر علمی دیگر فقط به ابزارهای ایستا و محلی محدود نیست، بلکه در راه ترکیب با هوش مصنوعی و تحلیل ابری قرار گرفته است. چنین تحولی، نه فقط کارآیی پژوهش های میکروسکوپی را زیاد می کند، بلکه به مرور استانداردهای جدیدی را در تحلیل داده های تصویری علمی به وجود خواهد آورد.
برای آشنایی بیشتر با امکانات این پلتفرم، دوست داران می توانند به پایگاه اینترنتی imjoy.io مراجعه نمایند.از آنجائیکه این پلتفرم کاملا آنلاین است، چند کاربر می توانند به طور هم زمان روی یک پروژه تصویری کار کنند، مدل های هوش مصنوعی را آموزش دهند و نتایج را به طور زنده ببینند. این در حالی است که در ImageJ، توسعه پلاگین ها معمولاً نیازمند تسلط بر زبان Java و طی مراحل فنی پیچیده است. برای آشنایی بیشتر با امکانات این پلتفرم، دوست داران می توانند به پایگاه اینترنتی imjoy.io مراجعه کنند.
منبع: bibadil.org