1 of 17

1

Применение нейронных сетей для анализа спектров комбинационного рассеяния и выделения КР-маркеров для выявления клеток глиомы

Ксения Морозова, НС222

Научный руководитель:

канд. биол. наук, в.н.с. Браже Н.А.

Консультант:

канд. техн. наук Ивченко А.В.

Кафедра биофизики биологического факультета МГУ имени М.В. Ломоносова

Курс «Нейронные сети и их применение в научных исследованиях»

2 of 17

2

Применение нейронных сетей для анализа спектров комбинационного рассеяния и выделения КР-маркеров для выявления клеток глиомы

Анализ спектров КР позволяет отличить клетки глиомы от клеток здоровой ткани

​

Jermyn et al., Sci Tran Med, 2015

Desroches et al., Nat Sci Rep, 2018

Исследование глиом методом спектроскопии КР

2/17

3 of 17

3

Применение нейронных сетей для анализа спектров комбинационного рассеяния и выделения КР-маркеров для выявления клеток глиомы

Анализ низкочастотной области спектра позволяет отличить клетки предопухолевой области от клеток здоровой ткани

​

Исследование глиом методом спектроскопии КР

3/17

4 of 17

4

Применение нейронных сетей для анализа спектров комбинационного рассеяния и выделения КР-маркеров для выявления клеток глиомы

Сигнал КР имеет низкую интенсивность по сравнению с фоновой автофлуоресценцией

Спектроскопия КР: проблема обработки данных

4/17

5 of 17

5

Применение нейронных сетей для анализа спектров комбинационного рассеяния и выделения КР-маркеров для выявления клеток глиомы

Для оценки сигнала КР в спектрах осуществляется коррекция базовой линии

Спектроскопия КР: проблема обработки данных

5/17

6 of 17

6

Применение нейронных сетей для анализа спектров комбинационного рассеяния и выделения КР-маркеров для выявления клеток глиомы

Для оценки сигнала КР в спектрах осуществляется коррекция базовой линии

Спектроскопия КР: проблема обработки данных

6/17

7 of 17

7

Применение нейронных сетей для анализа спектров комбинационного рассеяния и выделения КР-маркеров для выявления клеток глиомы

Существующие автоматические алгоритмы коррекции вносят погрешность в оценку амплитуд пиков на спектре

Спектроскопия КР: проблема обработки данных

7/17

8 of 17

8

Используемые данные

2257 спектров с вычтенной базовой линией и значимыми параметрами:

  • Тип образца
  • Длина волны возбуждения при регистрации
  • Обрабатывавший исследователь

Применение нейронных сетей для анализа спектров комбинационного рассеяния и выделения КР-маркеров для выявления клеток глиомы

Волновое число, см-1

IКР, отн. ед. (исходная)

2398,440

6056,939

2399,520

6078,761

2400,610

6063,060

2401,690

6082,937

2402,780

6085,681

2403,860

6093,699

2404,950

6131,053

2406,030

6164,771

8/17

9 of 17

9

Базовая линия может быть представлена в двух форматах

​

  • Значения фонового сигнала в каждой точке

​

  • Класс точки (является ли точка локальным минимумом)

Применение нейронных сетей для анализа спектров комбинационного рассеяния и выделения КР-маркеров для выявления клеток глиомы

Представление базовой линии

9/17

10 of 17

10

Базовая линия может быть представлена в двух форматах

​

  • Значения фонового сигнала в каждой точке

​

  • Класс точки (является ли точка локальным минимумом)

Применение нейронных сетей для анализа спектров комбинационного рассеяния и выделения КР-маркеров для выявления клеток глиомы

Представление базовой линии

Волновое число, см-1

IКР, отн. ед. (исходная)

IБЛ, отн. ед.

Минимум

2398,440

6056,939

6042,312

0

2399,520

6078,761

6054,775

0

2400,610

6063,060

6036,123

0

2401,690

6082,937

6066,373

0

2402,780

6085,681

6091,374

0

2403,860

6093,699

6122,346

1

2404,950

6131,053

6167,467

0

2406,030

6164,771

6187,414

0

10/17

11 of 17

11

Применение нейронных сетей для анализа спектров комбинационного рассеяния и выделения КР-маркеров для выявления клеток глиомы

План решения

Данные

    • Спектры (упорядоченные ряды)
    • Базовые линии

Обработка спектров

    • XGBoost Regressor (базовое решение)
    • LSTM
    • MSE-валидация

Классификация

    • Расчёт соотношений
    • Классификация

11/17

12 of 17

12

Применение нейронных сетей для анализа спектров комбинационного рассеяния и выделения КР-маркеров для выявления клеток глиомы

План решения

Данные

    • Спектры (упорядоченные ряды)
    • Базовые линии

Обработка спектров

    • XGBoost Regressor (базовое решение)
    • LSTM
    • MSE-валидация

Классификация

    • Расчёт соотношений
    • Классификация

12/17

13 of 17

13

Применение нейронных сетей для анализа спектров комбинационного рассеяния и выделения КР-маркеров для выявления клеток глиомы

XGBoost Regressor

13/17

14 of 17

14

Применение нейронных сетей для анализа спектров комбинационного рассеяния и выделения КР-маркеров для выявления клеток глиомы

XGBoost Classifier

(Matthews correlation coefficient 0.15)

14/17

15 of 17

15

Применение нейронных сетей для анализа спектров комбинационного рассеяния и выделения КР-маркеров для выявления клеток глиомы

Seq2seq LSTM - архитектура

15/17

Encoder

(2-layer bidirectional LSTM)

Decoder

(2-layer bidirectional LSTM)

Linear layer

Input

Context (h, c)

Target

Predicted values

Output

16 of 17

16

Применение нейронных сетей для анализа спектров комбинационного рассеяния и выделения КР-маркеров для выявления клеток глиомы

Seq2seq LSTM – обучение и результаты

16/17

17 of 17

17

Применение нейронных сетей для анализа спектров комбинационного рассеяния и выделения КР-маркеров для выявления клеток глиомы

  • Был подготовлен и размечен датасет объёмом 2257 спектров с вычтенной базовой линией
  • Было показано, что методы XGBoost демонстрируют низкую точность и не подходят для решения поставленной задачи
  • Была реализована модель с архитектурой seq2seq на основе bidirectional LSTM, показавшая высокие результаты при обучении

​

Заключение

17/17