Datamaskinvisjonssystem analyserer celler automatisk

Et nytt datamaskinvisjonssystem utviklet av forskere ved Universidad Carlos III de Madrid (UC3M) muliggjør automatisk analyse av biomedisinske videoer som er tatt opp av mikroskopi. Systemet karakteriserer og beskriver cellemønster i bildene. 

Den nylig utviklede teknikken har blitt brukt til målinger på levende vev, som er gjort av forskere ved National Center for Cardiovascular Research. Gjennom denne forskningen oppdaget teamet at neutrofiler, som er en type immunceller, viser forskjellige mønster i blodet under inflammasjonsprosesser. Videre fant de ut at en av prosessene er assosiert med hjerte- og karsykdom. 

Forskningen ble publisert i tidsskriftet Nature.

Muliggjør nye behandlinger

Disse utviklingene kan muliggjøre nye behandlinger for å minimere effekten av hjerteinfarkt. 

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

“Vår bidrag består i design og utvikling av et fullstendig automatisk system, basert på datamaskinvisjonsteknikker, som lar oss karakterisere cellene under studie ved å analysere videoer tatt opp av biologer med intravital mikroskopi-teknikken,” sier María.

Mens tradisjonelle biologiske studier ofte støttes av analyser av noen hundre manuelt karakteriserte celler, involverte den nye studien automatisk målinger av form, størrelse, bevegelser og posisjon relativt til blodåren på noen tusen celler. Dette gjør det mulig å fullføre avansert biologisk analyse som har større statistisk signifikans. 

Fordelene med det nye systemet

Forskerne sier at det nye systemet har flere fordeler når det gjelder både tid og presisjon. 

Ivan González Díaz er associate professor i Signal Theory and Communications Department ved UC3M. Han er også en av medlemmene av forskningsteamet.

“Det er ikke mulig å holde en ekspertbiolog til å segmentere og spore celler på video i måneder. På den andre siden, for å gi en omtrentlig ide (fordi det avhenger av antall celler og 3D-volum-dybde), tar vårt system bare 15 minutter å analysere en 5-minutters video,” sier Díaz.

Teamet brukte dybe neurale nettverk for cellesegmentering og -deteksjon. For å deployere systemet i den nye konteksten, måtte teamet generere mange trenings eksempler, og systemet måtte inkorporere flere andre statistiske tekniker og geometriske modeller. 

Systemet krever en fleksibel programvare som kan tilpasses til andre problemer. 

Miguel Molina Moreno er en av forskerne.

“I virkeligheten bruker vi det allerede i andre forskjellige scenarier, studerer immunologisk atferd av T-celler og dendritiske celler i kreftvev. Og de midlertidige resultatene er lovende,” sier Moreno.