КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

 

ОБЩИЕ СВЕДЕНИЯ

---

Номер проекта 22-23-00951

НазваниеСоздание цифрового ассистента для автоматического анализа изображений микроскопии с применением методов искусственного интеллекта, в том числе технологий глубокого машинного обучения

Руководитель Матвеев Андрей Викторович, Кандидат химических наук

Организация финансирования, регион Федеральное государственное автономное образовательное учреждение высшего образования "Новосибирский национальный исследовательский государственный университет" , Новосибирская обл

Конкурс №64 - Конкурс 2021 года «Проведение фундаментальных научных исследований и поисковых научных исследований малыми отдельными научными группами»

Область знания, основной код классификатора 03 - Химия и науки о материалах; 03-407 - Фундаментальные проблемы химической технологии

Ключевые слова микроскопия; сканирующая туннельная микроскопия; просвечивающая электронная микроскопия; распознавание; наночастицы; снижение времязатрат; глубокие нейронные сети

Код ГРНТИ31.01.37

---

 

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

---

Аннотация
В настоящее время проведение исследований в материаловедении невозможно без использования различных методов микроскопии. Помимо качественного анализа изображений, зачастую необходимо проводить количественный анализ изучаемых объектов, определять их статистические параметры, например, количество объектов, размер, степень покрытия и т.д. Режима автоматического поиска объектов и определения их параметров в существующих программных продуктах, основанных на традиционных подходах, позволяющих быстро и качественно обрабатывать изображения, в настоящее время не существует. Например, неоднородный фон, перекрытие проекций частиц и «утолщение» материала подложки значительно усложняют идентификацию частиц на изображениях просвечивающей электронной микроскопии. Для изображений сканирующей туннельной микроскопии усложняющим фактором является наличие характерных шумов, в том числе градиентов интенсивности, полос и т.д. В результате, высококвалифицированные микроскописты тратят значительное время на рутинную обработку данных вручную, что осложняет повышение эффективности научных исследований, снижает качество и скорость их проведения. Наиболее перспективным подходом, обеспечивающим распознавание объектов на уровне высококвалифицированного специалиста, является применение методов искусственного интеллекта. Между тем, сложности с привлечением квалифицированных специалистов в области Data-science, необходимость разметки тысяч объектов вручную для обучения нейронной сети, отсутствие достаточных вычислительных ресурсов для нейронной сети и другие проблемы значительно затрудняют широкое применение методов машинного обучения, ограничивают их доступность для исследователей. Целью проекта является создание общедоступного, открытого и универсального облачного цифрового ассистента для исследователей в области материаловедения, основанного на использовании методов глубокого машинного обучения для автоматического анализа изображений, распознавания объектов, определения их параметров (размеров, площади, концентрации и т.д.). Ассистент будет использовать современную нейронную сеть Cascade Mask-RCNN, которая будет функционировать на мощном графическом сервере HPE Apollo 6500 Gen10 с 8 NVIDIA Tesla V-100. Будут определены условия, позволяющие различными подходами минимизировать количество размеченных данных, необходимых для обучения нейронной сети, решить задачи распознавания нескольких классов объектов и их перекрывания. В результате реализации проекта пользователи ассистента не менее чем на порядок сократят временные затраты на количественный анализ изображений, снизят влияние субъективного фактора, повысят точность анализа и его эргоемкость. Планируется, что к концу 2023 г. не менее чем 500 пользователей-исследователей материаловедов и микроскопистов будут пользоваться разработанным сервисом.

---

 

ОТЧЁТНЫЕ МАТЕРИАЛЫ

---