1
00:00:00,917 --> 00:00:05,713
Neste terceiro vídeo da série sobre a
função de aprendizado profundo do software cellSens,

2
00:00:05,713 --> 00:00:10,843
explicamos como rotular imagens manualmente para preparar
os dados de treinamento de aprendizado profundo.

3
00:00:10,843 --> 00:00:14,847
Uma vez treinada, a tecnologia de aprendizado profundo
TruAI pode analisar e detectar

4
00:00:14,847 --> 00:00:18,267
objetos automaticamente em imagens de tecido.

5
00:00:18,267 --> 00:00:23,398
Esta é uma imagem costurada de rim de camundongo.
Possui canais verdes e vermelhos.

6
00:00:23,398 --> 00:00:27,068
Como você pode ver, existem
vários glomérulos nos rins.

7
00:00:27,068 --> 00:00:31,447
Uma vez que as formas dos glomérulos são complexas,
eles são impossíveis de detectar usando a detecção

8
00:00:31,447 --> 00:00:37,370
de objeto baseada em limite convencional,
dependendo da intensidade da fluorescência.

9
00:00:37,370 --> 00:00:43,377
Para usar a detecção de aprendizado profundo TruAI,
primeiro precisamos preparar os dados de treinamento.

10
00:00:43,377 --> 00:00:50,425
Na guia de layout de contagem e medida,
vá até a janela da ferramenta de rótulos de treinamento.

11
00:00:50,425 --> 00:01:01,560
Clique no botão da nova classe de rótulo de treinamento e
altere o nome para glomérulos.

12
00:01:01,560 --> 00:01:06,775
Repita essa etapa para fazer outro rótulo
chamado BG para plano de fundo.

13
00:01:06,775 --> 00:01:09,443
Como esta imagem possui canais
verdes e vermelhos,

14
00:01:09,443 --> 00:01:13,113
devemos alterar as cores do rótulo
para melhorar sua visibilidade.

15
00:01:13,113 --> 00:01:20,497
Neste caso, usaremos azul e magenta.

16
00:01:20,497 --> 00:01:24,167
Em seguida, marque a caixa de seleção
de plano de fundo para o rótulo BG.

17
00:01:24,167 --> 00:01:30,048
Com o rótulo BG ainda selecionado,
clique no botão “Create training labels-fill”.

18
00:01:30,048 --> 00:01:32,675
Agora você precisa definir o plano de fundo.

19
00:01:32,675 --> 00:01:36,847
Você pode fazer isso manualmente na
imagem usando a ferramenta de desenho.

20
00:01:36,847 --> 00:01:40,558
Você desejará selecionar vários padrões diferentes
ao definir o plano de fundo,

21
00:01:40,558 --> 00:01:44,270
de modo que as áreas anotadas devem incluir
o centro e a borda do rim e o

22
00:01:44,270 --> 00:01:46,773
córtex renal, e assim por diante.

23
00:01:46,773 --> 00:01:50,985
Isto ocorre porque estamos tentando identificar
os glomérulos dentro do tecido,

24
00:01:50,985 --> 00:01:56,282
portanto, o padrão de tecido é o fundo
em vez do fundo preto na imagem.

25
00:01:56,282 --> 00:01:59,535
Em seguida, selecione o rótulo dos
glomérulos e pinte os glomérulos

26
00:01:59,535 --> 00:02:02,872
em cada área de fundo usando
a ferramenta pincel.

27
00:02:02,872 --> 00:02:07,585
Alargar ligeiramente o pincel pode facilitar
a etiquetagem dos glomérulos.

28
00:02:07,585 --> 00:02:16,970
Usar uma mesa digitalizadora em vez de um mouse
pode melhorar a eficiência desta etapa.

29
00:02:16,970 --> 00:02:20,015
Todos os glomérulos na área de fundo
devem ser rotulados

30
00:02:20,015 --> 00:02:23,935
para produzir dados de treinamento precisos para a
detecção de aprendizado profundo.

31
00:02:35,447 --> 00:02:39,908
Clique no ícone com um olho desenhado na coluna
visível para mostrar e ocultar o rótulo de fundo

32
00:02:39,908 --> 00:02:48,208
para garantir que nenhum glomérulo seja esquecido.

33
00:02:48,208 --> 00:02:53,005
A imagem fora dessas áreas rotuladas não é usada para
a fase de treinamento de aprendizado profundo,

34
00:02:53,005 --> 00:02:57,885
portanto, apenas os glomérulos que estão dentro da área
de plano de fundo precisam ser anotados.

35
00:02:57,885 --> 00:03:03,892
Vá para a próxima área de plano de fundo.

36
00:03:03,892 --> 00:03:08,563
Esta não tem glomérulos, então você
pode deixá-la como está.

37
00:03:08,563 --> 00:03:14,110
Verifique a próxima área e identifique
novamente os glomérulos.

38
00:03:24,495 --> 00:03:28,708
Há um glomérulo localizado
na borda da área de fundo,

39
00:03:28,708 --> 00:03:33,087
portanto, precisamos modificar a borda
usando a ferramenta borracha.

40
00:03:42,805 --> 00:03:47,185
Repita este procedimento para todas as
outras áreas rotuladas de fundo.

41
00:03:47,185 --> 00:03:53,442
Como você pode ver, um total de 45 glomérulos
foram rotulados em nossas sete áreas de fundo.

42
00:03:53,442 --> 00:03:56,527
Neste ponto, precisamos salvar os dados.

43
00:03:56,527 --> 00:04:02,742
Clique em novo treinamento para iniciar a fase de
treinamento de aprendizado profundo.

44
00:04:02,742 --> 00:04:05,745
Digite um nome para este novo treinamento.

45
00:04:05,745 --> 00:04:09,790
A imagem usada para a fase de
treinamento já está selecionada.

46
00:04:09,790 --> 00:04:12,168
Como a imagem de treinamento tem dois canais,

47
00:04:12,168 --> 00:04:16,255
você deve clicar no ícone com sinal de mais para
selecionar dois canais de entrada.

48
00:04:16,255 --> 00:04:22,137
Essas informações adicionais ajudarão a melhorar
a precisão da rede neural treinada.

49
00:04:22,137 --> 00:04:25,890
Os rótulos de treinamento que criamos
já estão selecionados.

50
00:04:25,890 --> 00:04:29,893
Certifique-se de que a caixa de seleção do plano de fundo
esteja marcada para o rótulo BG.

51
00:04:29,893 --> 00:04:32,730
Clique em Avançar e comece.

52
00:04:32,730 --> 00:04:35,858
O treinamento da rede neural já começou.

53
00:04:35,858 --> 00:04:46,828
Consulte a segunda parte desta série de vídeos
para obter mais detalhes sobre a fase de treinamento.

54
00:04:46,828 --> 00:04:48,747
O treinamento agora está completo.

55
00:04:48,747 --> 00:04:53,335
Verifique as imagens de validação do ponto de verificação
que possui o maior valor de similaridade

56
00:04:53,335 --> 00:04:57,588
para garantir que os glomérulos sejam
detectados corretamente em azul.

57
00:04:57,588 --> 00:04:59,882
Se nem todos forem detectados corretamente,

58
00:04:59,882 --> 00:05:12,228
em seguida, verifique outro ponto de verificação para
encontrar aquele com as melhores imagens de validação.

59
00:05:12,228 --> 00:05:16,232
Neste caso, as imagens de validação no
ponto de verificação 5 são boas.

60
00:05:16,232 --> 00:05:23,238
Salve para a próxima etapa.

61
00:05:23,238 --> 00:05:29,245
Vá para a guia de layout de contagem e medição
e aplique a rede neural treinada.

62
00:05:41,590 --> 00:05:54,228
O processamento leva alguns minutos,
pois a imagem é muito grande.

63
00:05:54,228 --> 00:06:06,240
Os resultados da inferência são mostrados em
uma camada de mapa de probabilidade.

64
00:06:06,240 --> 00:06:09,702
Amplie a imagem para verificar a precisão.

65
00:06:09,702 --> 00:06:13,748
Podemos ver que os glomérulos fora da
área marcada foram detectados

66
00:06:13,748 --> 00:06:16,125
e agora estão marcados em azul.

67
00:06:16,125 --> 00:06:19,795
Precisamos verificar se esses glomérulos,
que não foram rotulados à mão,

68
00:06:19,795 --> 00:06:24,092
são detectados corretamente para validar a
precisão dos resultados da inferência.

69
00:06:24,092 --> 00:06:26,803
Se os resultados da inferência não
são suficientemente precisos,

70
00:06:26,803 --> 00:06:30,807
tente aumentar o número de áreas de fundo
e glomérulos marcados à mão

71
00:06:30,807 --> 00:06:34,352
ao preparar os dados para a fase de treinamento.

72
00:06:34,352 --> 00:06:38,440
Uma vez devidamente treinada, a tecnologia de
aprendizado profundo do software cellSens

73
00:06:38,440 --> 00:06:43,695
pode melhorar a eficiência de sua análise de imagem
enquanto reduz sua carga de trabalho.

74
00:06:43,695 --> 00:06:46,363
Se você gostaria de saber mais
sobre o software cellSens™

75
00:06:46,363 --> 00:06:49,533
e a tecnologia de aprendizado profundo
TruAI da Olympus,

76
00:06:49,533 --> 00:06:53,538
visite o site www.olympus-lifescience.com