BiaPy：开放代码的人工智能平台，助力生物医学图像分析

一个国际研究团队开发了BiaPy，这是一种开放代码的人工智能平台，通过深度学习技术来简化生物医学图像的分析。这项工作已发表在《自然方法》杂志上。

该团队由伊格纳西奥·阿甘达（Ignacio Arganda，巴斯克大学—UPV/EHU、Ikerbasque、多诺斯蒂亚国际物理中心和Biofisika研究所）和阿拉特·穆尼奥斯-巴鲁提亚（Arrate Muñoz-Barrutia，马德里卡洛斯三世大学、格雷戈里奥·马拉尼翁健康研究所）领导。

图像分析是生物医学中的重要工具，用于研究细胞结构、组织和器官。然而，将人工智能应用于这些图像的分析传统上一直是编程和数据科学专家的专长。BiaPy打破了这一障碍，提供了一个易于使用的平台，使得没有专门技术知识的用户也能应用高级AI模型。

“BiaPy旨在通过让更多的科学家和医疗保健专业人员能够利用其潜力，而无需掌握高级编程或机器学习技能，从而实现生物成像中人工智能的普及。”该研究的主要作者丹尼尔·弗兰科解释道，他目前是英国剑桥大学MRC分子生物学实验室的博士后研究员。

BiaPy允许对科学图像进行多种类型的分析，例如自动识别细胞或其他生物结构、计数元素、根据外观对样本进行分类，或提高图像质量以看到更细微的细节。所有这些都可以在二维图像以及通过各种显微镜技术获得的三维图像上进行。

此外，BiaPy设计为高效且可扩展：它可以处理从少量小图像到扫描组织或整个器官时生成的太字节级别的信息等各种数据量。

该工具基于使用AI模型，这些算法经过训练可以识别图像中的模式，类似于人眼识别形状或颜色的方式。通过示例创建模型，例如手动标记细胞的图像。经过充分训练后，模型可以自动执行这些任务，甚至在从未见过的新图像上也能做到这一点。

“BiaPy还被整合到了BioImage Model Zoo（bioimage.io）中，这是一个全球研究人员共享预训练模型的数据库。由于这种整合，BiaPy用户可以重用现有模型来处理新图像，或者轻松训练自己的模型。”论文的高级共同作者之一阿拉特·穆尼奥斯解释说，她也是开发BioImage Model Zoo的欧洲联盟AI4Life的成员。

这一工具已经在先进的科学项目中得到应用。一个例子是CartoCell软件解决方案，这是与路易斯·埃斯库德罗（Luis M. Escudero，塞维利亚生物医学研究所[Virgen del Rocío大学医院/CSIC/塞维利亚大学]）协调的实验室合作开发的。CartoCell分析显微镜图像，揭示不同生物体3D上皮组织中细胞形状和分布的隐藏模式。

另一个值得注意的应用是在与埃曼纽尔·博雷派尔（École Polytechnique, 法国）和让·利韦（Institut de la Vision, 巴黎）实验室的合作中。这些小组开发了ChroMS显微镜技术，该技术利用来自水母和珊瑚的荧光蛋白生成的荧光色，获取整个大脑的巨大三维图像。

BiaPy用于在这些大规模图像中自动检测每个细胞，即使在大脑密集区域也是如此，从而可以通过基于细胞颜色和三维位置重建细胞谱系来研究大脑发育。

作为一款开源工具，BiaPy免费提供给科学界，促进了合作和软件的持续改进。它可以在具有多个图形卡的PC或服务器上使用，也可以在云端使用。安装简便，确保实验可以在各种环境中轻松重复，从而促进开放和可重复的科学。

正如论文的高级作者之一阿甘达指出的那样，“BiaPy的发展代表了向显微镜中先进计算机视觉民主化迈出的重要一步。其易于访问的设计和对开放协作的关注减少了技术障碍，使更多的研究人员和医疗保健专业人员更容易将计算机视觉应用于他们的研究。”

“其与各种计算环境的兼容性及其开源性质意味着它是一个具有巨大潜力的平台，可以推动创新并加速科学发现。”

(全文结束)