06.05.2026 14:13
🔬 В МарГУ объявлен старт межфакультетского проекта «Разработка автоматизированной системы видеоанализа циркадной активности мелких лабораторных животн…
🔬 В МарГУ объявлен старт межфакультетского проекта «Разработка автоматизированной системы видеоанализа циркадной активности мелких лабораторных животных на основе технологий искусственного интеллекта», реализуемого в рамках Программы развития университета на 2025–2036 годы.
Проект направлен на разработку и валидацию модели машинного обучения с архитектурой сверточной нейронной сети (CNN). Программный комплекс предусматривает автоматизированный анализ видеопотока в различных световых спектрах для распознавания биологических объектов и трекинга их перемещения в условиях вивария.
Внедрение данной системы позволит оптимизировать процесс сбора данных в ходе доклинических испытаний медицинских препаратов. Ключевые преимущества разработанного решения:
‒ Минимизация антропоморфной ошибки: исключение субъективности при визуальной оценке поведения животных.
‒ Стандартизация данных: повышение воспроизводимости результатов исследований.
‒ Автоматизация: сокращение трудозатрат на первичную обработку экспериментальных данных.
👥 Реализация проекта осуществляется под руководством профессора кафедры биохимии, клеточной биологии и микробиологии М.В. Дубинина при сотрудничестве с доцентом кафедры физики и материаловедения В.В. Лоскутовым и студентами физико-математического факультета. Такая научная коллаборация позволяет соединить глубокое понимание биологических процессов с передовыми алгоритмами компьютерного зрения, создавая среду для эффективной преемственности научных школ.
Данный проект демонстрирует эффективность интеграции биологических наук и методов искусственного интеллекта для решения задач современной фармакологии и медицины 🧬
#Приоритет2030
🔬 MarSU has launched an interdepartmental project titled «Development of an Automated Video Analysis System for Circadian Activity of Small Laboratory Animals Using Artificial Intelligence Technologies». The project is part of the University Development Programme for 2025–2036.
The project aims to develop and validate a machine learning model based on a convolutional neural network (CNN) architecture. The software suite will enable automated analysis of video streams in various light spectra to detect biological objects and track their movement in a vivarium environment.
Implementing this system will optimise data collection during preclinical trials of medical drugs. The key benefits of this solution include:
‒ Minimisation of anthropomorphic error by eliminating subjectivity in visual assessment of animal behaviour.
‒ Standardisation of data, leading to higher reproducibility of research results.
‒ Automation, which will reduce the labour required for the initial processing of experimental data.
👥 The project is being led by Professor M. V. Dubinin from the Department of Biochemistry, Cell Biology, and Microbiology, in collaboration with Associate Professor V. V. Loskutov from the Department of Physics and Materials Science, and students from the Faculty of Physics and Mathematics. This scientific collaboration combines a deep understanding of biological processes with cutting-edge computer vision algorithms, fostering an environment for effective knowledge transfer between scientific schools.
This project demonstrates the effectiveness of integrating biological sciences with artificial intelligence methods to address challenges in modern pharmacology and medicine 🧬
#Priority2030
Проект направлен на разработку и валидацию модели машинного обучения с архитектурой сверточной нейронной сети (CNN). Программный комплекс предусматривает автоматизированный анализ видеопотока в различных световых спектрах для распознавания биологических объектов и трекинга их перемещения в условиях вивария.
Внедрение данной системы позволит оптимизировать процесс сбора данных в ходе доклинических испытаний медицинских препаратов. Ключевые преимущества разработанного решения:
‒ Минимизация антропоморфной ошибки: исключение субъективности при визуальной оценке поведения животных.
‒ Стандартизация данных: повышение воспроизводимости результатов исследований.
‒ Автоматизация: сокращение трудозатрат на первичную обработку экспериментальных данных.
👥 Реализация проекта осуществляется под руководством профессора кафедры биохимии, клеточной биологии и микробиологии М.В. Дубинина при сотрудничестве с доцентом кафедры физики и материаловедения В.В. Лоскутовым и студентами физико-математического факультета. Такая научная коллаборация позволяет соединить глубокое понимание биологических процессов с передовыми алгоритмами компьютерного зрения, создавая среду для эффективной преемственности научных школ.
Данный проект демонстрирует эффективность интеграции биологических наук и методов искусственного интеллекта для решения задач современной фармакологии и медицины 🧬
#Приоритет2030
🔬 MarSU has launched an interdepartmental project titled «Development of an Automated Video Analysis System for Circadian Activity of Small Laboratory Animals Using Artificial Intelligence Technologies». The project is part of the University Development Programme for 2025–2036.
The project aims to develop and validate a machine learning model based on a convolutional neural network (CNN) architecture. The software suite will enable automated analysis of video streams in various light spectra to detect biological objects and track their movement in a vivarium environment.
Implementing this system will optimise data collection during preclinical trials of medical drugs. The key benefits of this solution include:
‒ Minimisation of anthropomorphic error by eliminating subjectivity in visual assessment of animal behaviour.
‒ Standardisation of data, leading to higher reproducibility of research results.
‒ Automation, which will reduce the labour required for the initial processing of experimental data.
👥 The project is being led by Professor M. V. Dubinin from the Department of Biochemistry, Cell Biology, and Microbiology, in collaboration with Associate Professor V. V. Loskutov from the Department of Physics and Materials Science, and students from the Faculty of Physics and Mathematics. This scientific collaboration combines a deep understanding of biological processes with cutting-edge computer vision algorithms, fostering an environment for effective knowledge transfer between scientific schools.
This project demonstrates the effectiveness of integrating biological sciences with artificial intelligence methods to address challenges in modern pharmacology and medicine 🧬
#Priority2030