Gesundheitswesen
Computervisions-System analysiert Zellen automatisch
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Wichtige PunkteAutomated cell analysis replaces manual work that no expert could sustain for months.
Mehr anzeigen
- Automated cell analysis replaces manual work that no expert could sustain for months.
- Deep neural networks let the system track thousands of cells instead of a few hundred.
- The same vision system is already being tested on T cells and dendritic cells in cancerous tissues.
Ein neues Computervisions-System, das von Forschern der Universidad Carlos III de Madrid (UC3M) entwickelt wurde, ermöglicht die automatische Analyse von biomedizinischen Videos, die mit Mikroskopen aufgenommen wurden. Das System charakterisiert und beschreibt das Verhalten von Zellen in den Bildern.
Die neu entwickelte Technik wurde für Messungen an lebenden Geweben verwendet, die von Wissenschaftlern am Nationalen Zentrum für kardiovaskuläre Forschung durchgeführt wurden. Durch diese Forschung entdeckte das Team, dass Neutrophile, eine Art von Immunzellen, während entzündlicher Prozesse unterschiedliches Verhalten im Blut zeigen. Darüber hinaus fanden sie heraus, dass einer dieser Prozesse mit kardiovaskulären Erkrankungen verbunden ist.
Die Forschung wurde in der Zeitschrift veröffentlicht Nature.
Ermöglicht neue Behandlungen
Diese Entwicklungen könnten neue Behandlungen zur Minimierung der Auswirkungen von Herzinfarkten ermöglichen.
Professor Fernando Díaz de María ist Leiter der UC3M-Multimedia-Verarbeitungsgruppe und einer der Autoren der Forschung.
“Unser Beitrag besteht aus der Gestaltung und Entwicklung eines vollautomatischen Systems, das auf Computervision-Techniken basiert und es uns ermöglicht, die Zellen zu charakterisieren, die wir untersuchen, indem wir Videos analysieren, die von Biologen mit der Intravitalmikroskopie-Technik aufgenommen wurden”, sagt María.
Während traditionelle biologische Studien oft durch Analysen von einigen hundert manuell charakterisierten Zellen unterstützt werden, umfasste die neue Studie automatische Messungen der Form, Größe, Bewegungen und Position relativ zum Blutgefäß von einigen tausend Zellen. Dies ermöglicht es, fortgeschrittene biologische Analysen mit größerer statistischer Signifikanz durchzuführen.
Vorteile des neuen Systems
Die Forscher sagen, dass das neue System verschiedene Vorteile in Bezug auf Zeit und Präzision hat.
Ivan González Díaz ist Associate Professor im Signaltheorie- und Kommunikationsdepartment der UC3M. Er ist auch eines der Mitglieder des Forschungsteams.
“Es ist nicht möglich, einen erfahrenen Biologen monatelang Zellen in Videos segmentieren und verfolgen zu lassen. Andererseits kann unser System, um eine ungefähre Vorstellung zu geben (da es von der Anzahl der Zellen und der 3D-Volumentiefe abhängt), ein 5-minütiges Video in nur 15 Minuten analysieren”, sagt Díaz.
Das Team nutzte Deep-Learning-Netzwerke für die Zellsegmentierung und -erkennung. Um das System in den neuen Kontext zu deployen, musste das Team viele Trainingsbeispiele generieren, und das System musste verschiedene andere statistische Techniken und geometrische Modelle einbeziehen.
Das System erfordert eine vielseitige Software, die an andere Probleme angepasst werden kann.
Miguel Molina Moreno ist ein weiterer Forscher.
“Tatsächlich wenden wir es bereits in anderen verschiedenen Szenarien an, um das immunologische Verhalten von T-Zellen und dendritischen Zellen in Krebsgewebe zu untersuchen. Und die vorläufigen Ergebnisse sind vielversprechend”, sagt Moreno.
