西班牙研究人员开发出自动分析细胞的计算机视觉系统
马德里卡洛斯三世大学（UC3M）研究人员开发出一种新的计算机视觉系统，可自动分析显微镜拍摄的生物医学视频。该系统能够表征并描述图像中细胞的行为。
这一新方法被用于国家心血管研究中心科学家对活体组织进行的测量。通过这项研究，团队发现中性粒细胞（一种免疫细胞）在炎症过程中于血液中表现出不同的行为。
此外，他们还发现其中一个过程与心血管疾病有关。该研究发表在Nature期刊上。这些进展有望带来新的治疗方法，以减轻心脏病发作的后果。
“单细胞转录组和蛋白质组分析彻底改变了我们对生物现象的理解，提供了健康与患病组织的细胞图谱。然而，这些方法无法描述细胞不断改变其生化特性及随后“行为”结果的动态过程。在此，我们利用4D活体成像记录了描述活跃炎症灶中单个白细胞动态的数十到数百个形态动力学参数”，研究中写道。
费尔南多·迪亚斯·德·马里亚教授是UC3M多媒体处理小组负责人，也是该研究的作者之一。
“我们的贡献在于设计和开发一个基于计算机视觉方法的全自动系统，使我们能够通过分析生物学家使用活体显微镜技术拍摄的视频来表征所研究的细胞”
传统生物学研究通常依靠对数百个人工表征细胞的分析来验证结论，而这项新研究则自动测量了数千个细胞相对于血管的形状、大小、运动和位置。这使得开展具有更高统计学意义的扩展生物学分析成为可能。
研究人员表示，该新系统在时间和准确性方面都具有多种优势。伊万·冈萨雷斯·迪亚斯是UC3M信号与通信理论系副教授，同时也是该研究团队的成员之一。
“一名经验丰富的生物学家可能需要数月时间才能对视频中的细胞进行分割和追踪。相比之下，粗略估计（因为这取决于细胞数量和3D体积深度），我们的系统分析一段5分钟的视频只需15分钟”
这些工程师用于细胞分割和检测的深度神经网络工具，本质上是通过示例进行学习的算法，因此要在新场景中部署系统，就必须创建足够多的示例用于训练。这些网络属于机器学习方法的一部分，而机器学习又是人工智能（AI）领域的一个分支。
此外，该系统还包含其他类型的统计方法和几何模型，所有内容均在最近发表于Medical Image Analysis期刊的另一篇论文中有详细描述。实现该系统的软件具有通用性，只需几周即可适配到其他任务。
“实际上，我们已经将其应用于其他多种场景，研究癌症组织中T细胞和树突状细胞的免疫行为。初步结果令人鼓舞”
“通过分析超过10万次细胞形态和轨迹随时间变化的重建数据，我们获得了单个细胞的行为描述符，并利用这些多维数据集构建了行为图景。这些图景识别了发炎皮肤和气管中的白细胞身份，并揭示了血管内中性粒细胞的状态连续谱，包括一种与病理性炎症相关、被下层内皮覆盖的大型静止状态。对24只突变小鼠进行的行为筛查确定激酶Fgr是这一病理状态的驱动因素，干预Fgr可保护小鼠免受炎症损伤。因此，行为图景能够以高细胞分辨率揭示动态环境的特定特性”，研究中写道。
无论如何，在该领域开展研究时，研究人员强调跨学科团队合作的重要性。
“在此背景下，必须承认生物学家、数学家和工程师之前为相互沟通、理解其他学科基本概念所做的努力，这是取得实质性进展的前提”
