Computervisions-system analyserer celler automatisk

Et nyt computervisions-system udviklet af forskere på Universidad Carlos III de Madrid (UC3M) muliggør automatisk analyse af biomedicinske videoer, der er optaget med mikroskopi. Systemet karakteriserer og beskriver cellernes adfærd i billederne.

Den nyudviklede teknik er blevet brugt til målinger på levende væv, som er udført af videnskabsmænd på National Center for Cardiovascular Research. Gennem denne forskning opdagede holdet, at neutrofiler, som er en type immuncelle, viser forskellige adfærdsformer i blodet under inflammatoriske processer. Desuden fandt de ud af, at en af processerne er forbundet med hjertekarsygdom.

Forskningen er offentliggjort i tidsskriftet Nature.

Gør nye behandlinger mulige

Disse udviklinger kunne muliggøre nye behandlinger for at minimere effekten af hjerteanfald.

Professor Fernando Díaz de María er leder af UC3M Multimedia Processing Group og en af forfatterne til forskningen.

“Vores bidrag består i design og udvikling af et fuldstændigt automatisk system, baseret på computervisionsteknikker, som tillader os at karakterisere cellerne under studie ved at analysere videoer optaget af biologer med intravital mikroskopi-teknik,” siger María.

Traditionelle biologiske studier er ofte understøttet af analyser af få hundred manuelt karakteriserede celler, mens den nye studie omfattede automatiske målinger af form, størrelse, bevægelser og position i forhold til blodkarret af få tusinde celler. Dette muliggør avanceret biologisk analyse med større statistisk betydning.

Fordele ved det nye system

Forskerne siger, at det nye system har flere fordele, hvad angår både tid og præcision.

Ivan González Díaz er lektor i Signal Theory and Communications Department på UC3M. Han er også en af medlemmerne af forskningsholdet.

“Det er ikke muligt at have en ekspertbiolog, der segmenterer og sporer celler på video i måneder. På den anden side, for at give en omtrentlig idé (fordi det afhænger af antallet af celler og 3D-volumdybde), tager vores system kun 15 minutter at analysere en 5-minutters video,” siger Díaz.

Holdet anvendte dybe neurale netværk til cellesegmentering og -detektering. For at implementere systemet i den nye kontekst måtte holdet generere mange trænings eksempler, og systemet måtte inkorporere forskellige andre statistiske teknikker og geometriske modeller.

Systemet kræver en fleksibel software, der kan tilpasses til andre problemer.

Miguel Molina Moreno er en af forskerne.

“I virkeligheden anvender vi det allerede i andre forskellige scenarier, hvor vi studerer de immunologiske adfærdsmønstre af T-celler og dendritiske celler i kræftvæv. Og de foreløbige resultater er lovende,” siger Moreno.