Questa pagina è stata tradotta automaticamente.
Completa un sondaggio di 1 minuto sulla qualità di questa traduzione.
I ricercatori accelerano la segmentazione e l'analisi delle immagini Teravoxel utilizzando tecniche di intelligenza artificiale con MATLAB
CUHK semplifica il workflow, consentendo una tipizzazione cellulare completa e una profilazione molecolare in un unico ambiente
“Il nuovo sviluppo in
blockedImageecellposein MATLAB si è rivelato molto tempestivo per il nostro workflow, poiché volevamo gestire sia l'elaborazione delle immagini che la segmentazione in un unico script, insieme ad altri algoritmi classici di elaborazione delle immagini.”
Risultati chiave
- MATLAB con
cellposeeblockedImagepuò gestire sia l'elaborazione delle immagini che la segmentazione in un unico script - Le immagini di grandi dimensioni vengono suddivise in stack molto più piccoli grazie a
blockedImage, eliminando la necessità di computer costosi e ad alte prestazioni, e riducendo il tempo di programmazione e gli errori - Grazie alle tecniche di intelligenza artificiale di Cellpose, la segmentazione cellulare che un tempo sembrava difficile è ora possibile per accelerare la segmentazione e l'analisi delle immagini teravoxel
Un dataset da circa 800 GB che contiene l'intero cervello di topo, segmentato con Cellpose, con una visualizzazione in MATLAB che mostra la posizione di ogni cellula tramite un grafico a dispersione dei suoi centroidi.
La Chinese University of Hong Kong (CUHK) porta avanti un'ampia gamma di programmi di ricerca in numerose aree tematiche, tra cui un programma per sviluppare metodi per l'esplorazione e la mappatura efficienti di strutture biologiche e composizioni molecolari.
Parte integrante dello sviluppo del metodo è l'elaborazione delle immagini, che consente la gestione flessibile di immagini multidimensionali e di grandi set di dati volumetrici. CUHK utilizza le funzioni in MATLAB®, Medical Imaging Toolbox™ e Image Processing Toolbox™ ampiamente per questo obiettivo, in particolare cellpose e blockedImage, accelerando la segmentazione cellulare che il team riteneva sarebbe stata ardua e persino impossibile.
Nel suo recente studio, la CUHK ha due set di dati di immagini 3D che vengono analizzati utilizzando cellpose in MATLAB. Uno ha 10 teravoxel e 28 canali che rappresentano circa 1 milione di cellule che richiedono la segmentazione e l'analisi della tipizzazione cellulare. La seconda è un'immagine di circa 800 GB dell'intero cervello di topo che richiede la segmentazione globale del soma neuronale e la registrazione nell'Allen Brain Atlas.
Il team del Dott. Lai presso la CUHK utilizza cellpose su immagini soggette a sogliatura e sottrazione dello sfondo per segmentare le cellule, con l’aiuto della funzione blockedImage al fine di ottenere le maschere cellulari prima di passare all’analisi dei profili di espressione molecolare di ciascuna cellula. Le maschere cellulari ottenute dalle immagini 3D a 28 canali (28-plex) permettono al team della CUHK di analizzare le intensità di immunomarcatura di 25 marcatori selezionati, utilizzati per la classificazione dei tipi cellulari, il tutto eseguito in MATLAB tramite un unico script.
I ricercatori della CUHK hanno scelto MATLAB perché volevano gestire l'intera pipeline in un unico ambiente. Hanno riscontrato che il workflow semplificato, la buona documentazione e l’ottimo supporto tecnico offerto da MathWorks hanno permesso loro di gestire efficacemente i loro grandi set di dati. La CUHK spera di ampliare ulteriormente questa tecnologia per un utilizzo clinico, dove l’elaborazione delle immagini in tempo reale potrebbe portare a diagnosi dei pazienti più rapide ed efficienti.
I prodotti utilizzati
Ulteriori risorse
