Diese Seite wurde maschinell übersetzt.
Füllen Sie bitte eine 1-Minuten-Befragung zur Qualität dieser Übersetzung aus.
Forscher beschleunigen die Segmentierung und Analyse von Teravoxel-Bildern mithilfe von KI-Techniken mit MATLAB
CUHK optimiert Arbeitsabläufe und ermöglicht umfassende Zelltypisierung und molekularen Fingerabdruck in einer einzigen Umgebung
„Die neue Entwicklung in
blockedImageundcellposein MATLAB kam für unseren Arbeitsablauf gerade recht, da wir neben anderen klassischen Bildverarbeitungsalgorithmen sowohl die Bildverarbeitung als auch die Segmentierung in einem einzigen Skript handhaben wollten.“
Wichtigste Ergebnisse
- MATLAB kann mit
cellposeundblockedImagesowohl die Bildverarbeitung als auch die Segmentierung in einem einzigen Skript durchführen - Große Bilder werden mit
blockedImagein viel kleinere Stapel zerlegt, wodurch der Bedarf an teuren High-End-Computern entfällt und die Programmierzeit sowie die Anzahl der Fehler reduziert werden - Mit den KI-Techniken von Cellpose ist die Zellsegmentierung, die einst abschreckend schien, nun möglich, um die Segmentierung und Analyse von Teravoxel-Bildern zu beschleunigen
Der ca. 800 GB große Datensatz des gesamten Maushirns mit Cellpose-Segmentierung und einem Streudiagramm des Volumenschwerpunkts jeder Zelle in MATLAB.
Die Chinese University of Hong Kong (CUHK) führt eine breite Palette von Forschungsprogrammen in vielen Themenbereichen durch, darunter ein Programm zur Entwicklung von Methoden zur effizienten Untersuchung und Kartierung biologischer Strukturen und molekularer Zusammensetzungen.
Ein wesentlicher Bestandteil der Methodenentwicklung ist die Bildverarbeitung, die eine flexible Handhabung mehrdimensionaler Bilder und großer volumetrischer Datensätze ermöglicht. CUHK verwendet Funktionen in MATLAB®, Medical Imaging Toolbox™ und Image Processing Toolbox™ umfassend für diesen Zweck, insbesondere cellpose und blockedImage, wodurch die Zellsegmentierung beschleunigt wurde, die das Team für frustrierend und sogar unmöglich gehalten hatte.
In seiner jüngsten Studie verwendet CUHK zwei 3D-Bilddatensätze, die mit cellpose in MATLAB analysiert werden. Einer davon verfügt über 10 Teravoxel und 28 Kanäle, die etwa 1 Million Zellen darstellen, die einer Segmentierung und Zelltypisierungsanalyse bedürfen. Der zweite ist ein etwa 800 GB großes Bild des gesamten Maushirns, das eine globale neuronale Somasegmentierung und Registrierung im Allen Brain Atlas erfordert.
Dr. Lais Team an der CUHK nutzt cellpose in MATLAB auf mit Schwellenwertverfahren und Hintergrundsubtraktion vorbereiteten Bildern zur Segmentierung mit blockedImage um die Zellmasken zu erhalten, bevor mit der Analyse der Molekülexpressions-Profile jeder Zelle fortgefahren wird. Die erhaltenen Zellmasken für die 28-fachen 3D-Bilder ermöglichen es CUHK, die Immunfärbungsintensitäten von 25 ausgewählten Markern zu identifizieren, die für die Klassifizierung der Zelltypisierung verwendet werden. Dies alles erfolgt mit MATLAB in einem einzigen Skript.
Die Forscher der CUHK entschieden sich für MATLAB, weil sie die gesamte Pipeline in einer einzigen Umgebung haben wollten. Sie stellten fest, dass der optimierte Arbeitsablauf, die gute Dokumentation und der gute technische Support von MathWorks es ihnen ermöglichten, ihre großen Datensätze zu verarbeiten. Die CUHK hofft, die Technologie für den klinischen Einsatz weiter skalieren zu können, wo die Bildverarbeitung während der laufenden Untersuchung zu einer effizienteren Patientendiagnostik führen kann.
Eingesetzte Produkte
Ressourcen zu
