2月22日新的计算机视觉系统旨在分析显微镜视频中的细胞

马德里卡洛斯三世大学(UC3M)的研究人员开发了一种基于计算机视觉技术的系统，该系统允许自动分析显微镜捕获的生物医学视频，以表征和描述图像中出现的细胞行为。

这些由UC3M工程团队开发的新技术已被用于测量活体组织，这是与国家心血管研究中心(CNIC，西班牙语缩写)的科学家共同开展的一项研究。

结果，研究小组发现中性粒细胞(一种免疫细胞)在炎症过程中在血液中表现出不同的行为，并确定其中一个由Fgr分子引起，与心血管疾病的发展有关。这项最近发表在《自然》杂志上的工作可以帮助开发新的治疗方法，以尽量减少心脏病发作的后果。来自Vithas基金会、卡斯蒂利亚-拉曼恰大学、新加坡科学、技术和研究机构(ASTAR)和哈佛大学()等中心的研究人员参与了这项研究。

“我们的贡献包括基于计算机视觉技术的全自动系统的设计和开发，该系统使我们能够通过分析生物学家使用活体显微镜技术捕获的视频来表征研究中的细胞”，其中一位作者说。UC3M多媒体处理组负责人FernandoDíazdeMaría教授的工作。与通常通过分析数百个手动表征的细胞支持的传统生物学研究相比，已经对数千个细胞相对于血管的形状、大小、运动和位置进行了自动测量。通过这种方式，可以进行具有更大统计学意义的更高级的生物学分析。

据研究人员称，这个新系统在时间和精度方面有几个优势。一般来说，“让专家生物学家在视频中分割和跟踪细胞数月是不可行的。另一方面，为了提供一个近似的想法(因为它取决于细胞的数量和3D体积深度)，我们的系统只需要15分钟来分析一个5分钟的视频”，另一位研究人员IvanGonzálezDíaz说，UC3M信号理论与通信系副教授。

深度神经网络是这些工程师用于细胞分割和检测的工具，基本上是从示例中学习的算法，因此为了在新的环境中部署系统，有必要生成足够的示例来进行训练。这些网络是机器学习技术的一部分，而机器学习技术又是人工智能(AI)领域的一门学科。此外，该系统还结合了其他类型的统计技术和几何模型，所有这些都在最近发表在医学图像分析杂志上的另一篇论文中进行了描述。

实现该系统的软件是通用的，可以在几周内适应其他问题。“事实上，我们已经将它应用于其他不同的场景，研究癌组织中T细胞和树突状细胞的免疫行为。临时结果很有希望”，UC3M团队的另一位研究人员MiguelMolinaMoreno说。

无论如何，在研究这一领域时，研究人员强调跨学科团队工作的重要性。“在这种情况下，重要的是要认识到生物学家、数学家和工程师之间事先的沟通努力，这需要理解其他学科的基本概念，然后才能取得真正的进展，”FernandoDíazdeMaría总结道。

标签：