| |
 |
|
АНАЛИЗ «ШУМНЫХ» МИКРОФОТОГРАФИЙ
29.01.2016 биология, медицина, онкология, микрофотография, раковые
клетки
Исследователь из «Сколтеха» предложил новый метод обнаружения объектов
на микрофотографиях. Такой анализ особенно интересен в задачах распознавания
биологических объектов, например, клеток, клеточных колоний или ядер. |
|
| |
|
| |
Российский учёный из
«Сколтеха»
Виктор Лемпицкий, вместе с коллегами Карлосом Артетой,
Алисон Ноубл и Эндрю Зиссерманом из Оксфордского
Университета разработал новый метод высокоточного
обнаружения объектов на микроскопических изображениях.
Распознавание объектов на микрофотографиях является
важным этапом многих экспериментов в биологии и медицине.
Такой анализ особенно интересен в задачах распознавания
биологических объектов, например, клеток, клеточных
колоний или ядер. При этом обнаружение объектов (например,
раковых клеток) может быть как отдельной задачей,
так и основой для последующих экспериментов и более
глубокого анализа результатов. |
| |
|
| |
 |
| |
|
| |
На фото: Пример работы
метода (справа) на сложном для анализа флюорисцентном
изображении (слева): зелёные регионы соответствуют
(по мнению метода) отдельным клеткам, синие — группам
из двух клеток, фиолетовые из трёх, голубые — из пяти.
Новый метод нацелен на анализ сложных изображений,
содержащих плотно расположенные и частично перекрывающиеся
объекты. Большинство методов компьютерного зрения,
которые применяют в таких случаях, принадлежат к одной
из двух категорий. К первой категории относятся методы,
основанные на обнаружении отдельных объектов и отделении
их друг от друга, а ко второй — методы анализа, не
пытающиеся разделить близлежащие клетки.
Выбор наиболее подходящего метода зависит от конкретного
изображения. При низкой плотности объектов и малом
количестве наложений, обнаружение отдельных объектов
более эффективно и, кроме этого, позволяет определить
размер и форму объектов, а также проследить за их
перемещениями. Однако, для изображений с высокой
плотностью объектов такие методы неприменимы, и необходимо
использовать один из методов второй группы. |
| |
|
| |
 |
|
Лемпицкий
и его коллеги предложили высокоэффективный метод распознавания объектов на
микрофотографиях, который применим для изображений, содержащих одновременно
участки низкой и высокой плотности клеток.
Метод основан на древовидной дискретной графической модели, которая позволяет
выбрать и промаркировать набор непересекающихся участков изображения с помощью
глобальной оптимизации.
Каждый регион маркируется в соответствии с количеством объектов, которые он
содержит. |
|
| |
|
| |
В условиях низкой плотности
объектов метод, как правило, находит и выделяет отдельные
клетки, а в местах, где клетки перекрываются, предложенный
метод выделяет группы клеток (и оценивает размер этих
групп). Подобное адаптивное поведение, управляемое
оптимизационным процессом, является уникальным для
данного метода.
Учёные также разработали специальный модуль, позволяющий
провести предварительную обработку шумных
микрофотографий. Тестирование метода было проведено
на шести различных наборах изображений, включающих
изображения флуоресцентной микроскопии, молекулярные
изображения слабой флуоресценции, изображения фазово-контрастной
микроскопии и гистологические изображения.
Было показано, что представленный в работе метод
превосходит предложенные ранее. Результаты их
исследования были опубликованы в журнале Medical
Image Analysis. |
| |
|
| |
|
|
