سیستم بینایی کامپیوتری جدید طراحی شده برای تجزیه و تحلیل سلول ها در فیلم های میکروسکوپی — ScienceDaily


محققان دانشگاه کارلوس سوم مادرید (UC3M) سیستمی مبتنی بر تکنیک‌های بینایی کامپیوتری توسعه داده‌اند که امکان تجزیه و تحلیل خودکار فیلم‌های زیست پزشکی گرفته‌شده توسط میکروسکوپ را به منظور توصیف و توصیف رفتار سلول‌هایی که در تصاویر ظاهر می‌شوند را فراهم می‌کند.

این تکنیک‌های جدید توسعه‌یافته توسط تیم مهندسی UC3M برای اندازه‌گیری بافت‌های زنده، در تحقیقاتی که با دانشمندان مرکز ملی تحقیقات قلب و عروق (CNIC در مخفف اسپانیایی آن) انجام شد، استفاده شده‌اند. در نتیجه، این تیم کشف کردند که نوتروفیل ها (نوعی سلول ایمنی) در طول فرآیندهای التهابی رفتارهای متفاوتی در خون نشان می دهند و شناسایی کردند که یکی از آنها که توسط مولکول Fgr ایجاد می شود، با ایجاد بیماری های قلبی عروقی مرتبط است. این اثر به تازگی در مجله منتشر شده است طبیعت، می تواند به توسعه درمان های جدید برای به حداقل رساندن عواقب حملات قلبی اجازه دهد. محققان بنیاد Vithas، دانشگاه Castilla-La Mancha، آژانس علم، فناوری و تحقیقات سنگاپور (ASTAR) و دانشگاه هاروارد (ایالات متحده آمریکا)، در میان دیگر مراکز، در این مطالعه شرکت کرده‌اند.

یکی از نویسندگان این مقاله می‌گوید: «سهم ما شامل طراحی و توسعه یک سیستم کاملاً خودکار مبتنی بر تکنیک‌های بینایی رایانه‌ای است که به ما امکان می‌دهد سلول‌های مورد مطالعه را با تجزیه و تحلیل ویدیوهای گرفته‌شده توسط زیست‌شناسان با استفاده از تکنیک میکروسکوپ درون حیاتی مشخص کنیم». کار، پروفسور فرناندو دیاز د ماریا، رئیس گروه پردازش چندرسانه ای UC3M. اندازه گیری های خودکار شکل، اندازه، حرکت و موقعیت نسبت به رگ خونی چند هزار سلول انجام شده است، در مقایسه با مطالعات بیولوژیکی سنتی که معمولاً با تجزیه و تحلیل چند صد سلولی که به صورت دستی مشخص می شوند، پشتیبانی می شوند. به این ترتیب، امکان انجام یک تحلیل بیولوژیکی پیشرفته تر با اهمیت آماری بیشتر فراهم شده است.

به گفته محققان، این سیستم جدید از نظر زمان و دقت دارای چندین مزیت است. به طور کلی، “امکان پذیر نیست که یک زیست شناس متخصص ماه ها سلول ها را بر روی ویدئو قطعه بندی و ردیابی کند. از سوی دیگر، برای ارائه یک ایده تقریبی (زیرا به تعداد سلول ها و عمق حجم سه بعدی بستگی دارد)، سیستم ما فقط 15 دقیقه طول می کشد تا یک ویدیوی 5 دقیقه ای تجزیه و تحلیل شود.

شبکه‌های عصبی عمیق، ابزارهایی که این مهندسان برای تقسیم‌بندی و تشخیص سلول به آن‌ها تکیه می‌کنند، اساساً الگوریتم‌هایی هستند که از مثال‌ها یاد می‌گیرند، بنابراین برای استقرار سیستم در یک زمینه جدید، لازم است نمونه‌های کافی برای فعال کردن آموزش آن‌ها تولید شود. این شبکه ها بخشی از تکنیک های یادگیری ماشینی هستند که به نوبه خود رشته ای در حوزه هوش مصنوعی (AI) است. علاوه بر این، این سیستم انواع دیگری از تکنیک‌های آماری و مدل‌های هندسی را در بر می‌گیرد که همه آنها در مقاله دیگری که اخیراً در تجزیه و تحلیل تصویر پزشکی مجله.

نرم افزاری که سیستم را پیاده سازی می کند همه کاره است و می تواند در عرض چند هفته با مشکلات دیگر سازگار شود. یکی دیگر از محققان تیم UC3M، میگل مولینا مورنو، می‌گوید: “در واقع، ما در حال حاضر آن را در سناریوهای مختلف دیگر به کار می‌بریم، و رفتار ایمنی سلول‌های T و سلول‌های دندریتیک را در بافت‌های سرطانی مطالعه می‌کنیم. و نتایج موقت امیدوارکننده هستند.”

در هر صورت، محققان هنگام تحقیق در این زمینه، بر اهمیت کار یک تیم بین رشته ای تاکید می کنند. فرناندو دیاز د ماریا نتیجه‌گیری می‌کند: «در این زمینه، مهم است که تلاش‌های ارتباطی قبلی بین زیست‌شناسان، ریاضی‌دانان و مهندسان را که برای درک مفاهیم اساسی سایر رشته‌ها لازم است، قبل از اینکه پیشرفت واقعی حاصل شود، شناسایی کنیم.»

ویدیوی یوتیوب:



منبع

Matthew Newman

Matthew Newman Matthew has over 15 years of experience in database management and software development, with a strong focus on full-stack web applications. He specializes in Django and Vue.js with expertise deploying to both server and serverless environments on AWS. He also works with relational databases and large datasets
[ Back To Top ]