Новая система компьютерного зрения для анализа клеток в микроскопических видео

Исследователи из Университета Карлоса III в Мадриде (UC3M) разработали систему на основе методов компьютерного зрения для автоматического анализа биомедицинских видео, полученных с помощью микроскопии, с целью характеристики и описания поведения клеток.

Эти новые техники были использованы для измерений на живых тканях в совместном исследовании с Национальным центром сердечно-сосудистых исследований (CNIC). В результате было обнаружено, что нейтрофилы (тип иммунных клеток) демонстрируют разное поведение в крови во время воспалительных процессов. Учёные идентифицировали, что одно из таких поведений, вызванное молекулой Fgr, связано с развитием сердечно-сосудистых заболеваний. Работа, опубликованная в журнале Nature, может позволить разработать новые методы лечения для минимизации последствий сердечных приступов. В исследовании также участвовали учёные из Фонда Vithas, Университета Кастилии-Ла-Манчи, Агентства науки, технологий и исследований Сингапура (ASTAR) и Гарвардского университета.

Система позволяет автоматически характеризовать изучаемые клетки путём анализа видео, снятых биологами с использованием техники интравитальной микроскопии. Были выполнены автоматические измерения формы, размера, движения и положения относительно кровеносного сосуда для нескольких тысяч клеток. Для сравнения, традиционные биологические исследования обычно основаны на анализе нескольких сотен клеток, охарактеризованных вручную. Это позволяет проводить более продвинутый биологический анализ с большей статистической значимостью.

Система имеет преимущества с точки зрения времени и точности. По словам исследователей, эксперт-биолог не может месяцами заниматься сегментацией и отслеживанием клеток на видео. В то же время их система анализирует 5-минутное видео примерно за 15 минут (время зависит от количества клеток и глубины 3D-объёма).

Для сегментации и обнаружения клеток инженеры используют глубокие нейронные сети — алгоритмы, которые обучаются на примерах. Для развёртывания системы в новом контексте необходимо сгенерировать достаточное количество примеров для их обучения. Эти сети являются частью методов машинного обучения, которое, в свою очередь, является дисциплиной в области искусственного интеллекта (AI). Система также включает другие типы статистических методов и геометрических моделей, описанных в другой статье, недавно опубликованной в журнале Medical Image Analysis.

Программное обеспечение системы универсально и может быть адаптировано к другим задачам за несколько недель. Исследователи уже применяют его в других сценариях, например, для изучения иммунологического поведения T-клеток и дендритных клеток в раковых тканях, с многообещающими предварительными результатами.

Учёные подчёркивают важность междисциплинарной работы в этой области, включая усилия по коммуникации между биологами, математиками и инженерами для понимания базовых концепций других дисциплин.