26 febbraio 2021
Aggiornato 02:30
Machine learning

Sixth Sense e CrestOptics: Machine Learning applicata alle immagini

Parte la nuova collaborazione per lo sviluppo di algoritmi di Machine Learning per la produzione di immagini microscopiche accurate

Machine learning
Machine learning Unsplash

Sixth Sense, società italiana specializzata nello sviluppo di prodotti e soluzioni digitali di data analysis, e CrestOptics, azienda italiana leader nello sviluppo e nella produzione di sistemi avanzati di imaging per la Microscopia e la Diagnostica, annunciano oggi l’inizio di una fruttuosa collaborazione che ha l’obiettivo di sviluppare tecniche innovative di Machine Learning per l’acquisizione e l’elaborazione di immagini microscopiche ad altissima risoluzione.

La collaborazione fa leva sulle competenze di Sixth Sense nello sviluppo di algoritmi di Machine Learning in grado di estrapolare insight a partire dai big data, e sull’expertise di CrestOptics nella produzione di sistemi avanzati di imaging per Microscopia, mettendo insieme i rispettivi team di ingegneri a favore della costruzione di un dispositivo e di un algoritmo di Machine Learning che consentirà l’acquisizione di immagini microscopiche super-risolte.

Attraverso l’applicazione di algoritmi di Machine Learning è possibile infatti «insegnare» al software a riconoscere le caratteristiche chiave dell’immagine desiderate, a ottimizzarne i parametri e a migliorarne la qualità fornendo a ricercatori e biologici un’immagine più accurata possibile minimizzando di conseguenza i tempi di analisi e i costi di investimento su parti hardware, potenzialmente molto onerosi.

La partnership

La partnership prevede l’avvio di una ricerca costituita da due fasi. Nella prima verrà introdotto un approccio di intelligenza artificiale volto al perfezionamento degli algoritmi pseudo-deterministici sviluppati da CrestOptics per i sistemi a luce strutturata, mentre nella seconda fase gli algoritmi menzionati verranno interamente sostituiti da un algoritmo machine-learning in grado di associare all’insieme di immagini a luce strutturata l’immagine super-risolta corrispondente. Questo approccio basato su machine-learning sarà parte integrante della gamma di prodotti high-end CrestOptics destinati al mercato della super-risoluzione.

Raino Ceccarelli, Head of Product Development di CrestOptics ha dichiarato: «Per la prima volta Crestoptics si avvarrà del machine learning per lo sviluppo dei propri prodotti. ll know how sviluppato dalla nostra azienda è sempre stato rivolto al miglioramento delle prestazioni di un microscopio tradizionale con soluzioni hardware e software, ma è con i risultati che otterremo da questa collaborazione con Sixth Sense che i ricercatori di tutto il mondo potranno rispondere a quesiti biologici fondamentali su scale di tempo e spazio sempre più ridotte.»

Gianluca Nastasi, Chief Technology Officer e Co-founder di Sixth Sense, ha dichiarato: «Abbiamo già lavorato con aziende del settore healthcare per contribuire all’innovazione e al futuro della ricerca medica, farmaceutica e biologica. L’impiego di strumenti e tecniche avanzate di Machine Learning e Deep Learning è sempre più fondamentale nel settore dei sistemi di imaging per la microscopia e la diagnostica, poiché non solo apporta benefici al lavoro quotidiano dei ricercatori, ma può impattare positivamente anche il lavoro di medici, operatori sanitari e, soprattutto, la salute dei pazienti.»

Un aspetto caratterizzante del Machine Learning è la dinamicità. Questi modelli matematici, infatti, ricevono una serie di dati che sono capaci di apprendere, modificando e migliorando le predizioni man mano che ricevono più informazioni su quello che stanno elaborando. Dunque, attraverso l’apprendimento, l’algoritmo di Machine Learning sviluppato sarà in grado di minimizzare progressivamente gli errori, di massimizzare la probabilità che le previsioni siano corrette e di fornire una ricostruzione dell’immagine super-risolta sempre più accurata, fornendo così un’immagine microscopica di qualità estremamente più alta rispetto a quella che potrebbe fornire un microscopio non dotato di questa tecnologia.

Le immagini super-risolte, oltre ad avere un ruolo chiave nella ricerca di base effettuata su preparazioni cellulari, saranno fondamentali nell’accelerare la generazione di risultati in ambito biomedicale e diagnostico.