Molti esperimenti nell'ambito delle scienze naturali sono basati sul conteggio di strutture biologiche di interesse, e.g. il numero di cellule che interagiscono con specifici reagenti in diverse condizioni sperimentali. Malgrado il riconoscimento di queste strutture non necessiti tipicamente di particolare expertise, un'ispezione manuale dei campioni da parte di operatori umani è molto onerosa in termini di tempo e personale impiegato. Inoltre, questo processo è soggetto ad errori di varia natura dovuti all'affaticamento degli operatori e alla loro interpretazione soggettiva di alcuni casi limite. L'automatizzazione di questo processo è quindi fondamentale per accelerare gli sviluppi nel settore e permettere confronti più equi tra esperimenti.
In questo meetup abbiamo approfondito cell-ResUnet (c-ResUnet), un approccio Deep Learning che permette di riconoscere e contare cellule neuronali in immagini di microscopia in fluorescenza, sfruttando una architettura e delle strategie di addestramento pensati specificatamente per questa applicazione.

Meetup di Deep Learning Italia