Tietokoneen näköjärjestelmä analysoi soluja automaattisesti

Madridin Carlos III -yliopiston (UC3M) tutkijoiden kehittämä uusi tietokoneen näköjärjestelmä mahdollistaa biologisten videoiden automaattisen analyysin, jotka on kuvattu mikroskoopilla. Järjestelmä kuvaa ja kuvailee solujen käyttäytymistä kuvissa.

Uuden tekniikan on käytetty elävien kudosten mittauksiin, jotka tehtiin National Center for Cardiovascular Research -tutkimuskeskuksessa. Tutkimuksessa tiimi havaitsi, että neutrofiilit, jotka ovat tietyn tyyppisiä immuunisoluja, osoittavat erilaisia käyttäytymisiä veressä tulehdusta prosesseissa. Lisäksi he löysivät, että yksi näistä prosesseista liittyy sydän- ja verisuonitauteihin.

Tutkimus julkaistiin Nature-tiedelehdessä Nature.

Mahdollistaa uudet hoidot

Nämä kehitysaskeleet voivat mahdollistaa uusia hoitoja, joilla voidaan vähentää sydänkohtauksen vaikutuksia.

Professori Fernando Díaz de María on UC3M:n Multimedia Processing Group -ryhmän johtaja ja yksi tutkimuksen tekijöistä.

“Meidän panoksemme on suunnitella ja kehittää täysin automaattinen järjestelmä, joka perustuu tietokoneen näkötekniikkaan, joka mahdollistaa solujen karakterisoinnin analysoimalla biologien käyttämällä intravitaalisen mikroskopian tekniikkaa”, María sanoo.

Perinteiset biologiset tutkimukset usein tukeutuvat muutaman sadan manuaalisesti karakterisoidun solun analyyseihin, mutta uudessa tutkimuksessa tehtiin automaattisia mittauksia muodosta, koosta, liikkeistä ja asemasta suhteessa verisuoneen useista tuhansista soluista. Tämä mahdollistaa edistyneen biologisen analyysin, jolla on suurempi tilastollinen merkitys.

Uuden järjestelmän edut

Tutkijat sanovat, että uudella järjestelmällä on useita etuja sekä ajassa että tarkkuudessa.

Ivan González Díaz on apulaisprofessori Signal Theory and Communications -osastolla UC3M:ssa. Hän on myös yksi tutkimusryhmän jäsenistä.

“Ei ole mahdollista, että asiantuntija biologi jatkuvasti segmentoi ja seuraa soluja videolla kuukausien ajan. Toisaalta, antaaksemme arvion (koska se riippuu solujen määrästä ja 3D-volyymisyvyydestä), järjestelmämme analysoi 5-minuuttisen videon vain 15 minuutissa”, Díaz sanoo.

Tiimi käytti syvää neurverkkoja solujen segmentointiin ja havaitsemiseen. Järjestelmän käyttöönotto uudessa kontekstissa edellytti useiden koulutus-esimerkkien luomista, ja järjestelmän piti sisältää useita muita tilastollisia menetelmiä ja geometrisia malleja.

Järjestelmä vaatii monikäyttöistä ohjelmistoa, jota voidaan sovittaa muihin ongelmiin.

Miguel Molina Moreno on yksi tutkijoista.

“Tosiasiallisesti, me jo sovelletaan sitä eri tilanteissa, tutkimalla T-solujen ja dendriittisolujen immunologista käyttäytymistä syöpäkudoksissa. Ja väliaikaiset tulokset ovat lupaavia”, Moreno sanoo.