Datorseende-system analyserar celler automatiskt

Ett nytt datorseende-system som utvecklats av forskare vid Universidad Carlos III de Madrid (UC3M) möjliggör automatisk analys av biomedicinska videor som tas med mikroskopi. Systemet karakteriserar och beskriver cellernas beteende i bilderna. 

Den nyligen utvecklade tekniken har använts för mätningar på levande vävnader, som utfördes av forskare vid National Center for Cardiovascular Research. Genom denna forskning upptäckte teamet att neutrofiler, som är en typ av immuncell, visar olika beteenden i blodet under inflammatoriska processer. Dessutom fann de att en av processerna är associerad med hjärt-kärlsjukdom. 

Forskningen publicerades i tidskriften Nature.

Möjliggör nya behandlingar

Dessa utvecklingar kan möjliggöra nya behandlingar för att minimera effekterna av hjärtinfarkt. 

Professor Fernando Díaz de María är chef för UC3M:s multimedia-grupp och en av författarna till forskningen. 

“Vår bidrag består i design och utveckling av ett fullständigt automatiskt system, baserat på datorseende-tekniker, som möjliggör att vi karakteriserar cellerna som studeras genom att analysera videor som tas av biologer med hjälp av intravital mikroskopi-teknik”, säger María.

Medan traditionella biologiska studier ofta stöds av analyser av ett fåtal hundra manuellt karakteriserade celler, omfattade den nya studien automatiska mätningar av form, storlek, rörelser och position i förhållande till blodkärlen hos ett fåtal tusen celler. Detta möjliggör avancerad biologisk analys som har en större statistisk signifikans. 

Fördelar med det nya systemet

Forskarna säger att det nya systemet har flera fördelar när det gäller både tid och precision. 

Ivan González Díaz är associate professor i signalteori och kommunikation vid UC3M. Han är också en av medlemmarna i forskningsteamet.

“Det är inte möjligt att ha en expertbiolog som segmenterar och spårar celler på video i månader. Å andra sidan, för att ge en ungefärlig idé (eftersom det beror på antalet celler och 3D-volymens djup), tar vårt system bara 15 minuter att analysera en 5-minuters video”, säger Díaz.

Teamet använde djupa neurala nätverk för cellsegmentering och upptäckt. För att distribuera systemet i den nya kontexten var det nödvändigt att generera många träningsexempel, och systemet måste inkorporera olika statistiska tekniker och geometriska modeller. 

Systemet kräver en mångsidig programvara som kan anpassas till andra problem. 

Miguel Molina Moreno är en av forskarna.

“I själva verket tillämpar vi det redan i andra olika scenarier, studerar det immunologiska beteendet hos T-celler och dendritiska celler i cancervävnader. Och de preliminära resultaten är lovande”, säger Moreno.