Cette page a été traduite automatiquement.
Merci de bien vouloir compléter un sondage de 1 minute concernant la qualité de cette traduction.
Des chercheurs accélèrent la segmentation et l'analyse des images Teravoxel à l'aide de techniques d'IA avec MATLAB
CUHK rationalise son workflow, permettant un typage cellulaire complet et un profilage moléculaire dans un environnement unique
« Nous avons trouvé que le nouveau développement dans
blockedImageetcellposedans MATLAB était très opportun pour notre workflow, car nous voulions gérer à la fois le traitement d'image et la segmentation dans un seul script, aux côtés d'autres algorithmes de traitement d’images classiques. »
Principaux résultats
- MATLAB avec
cellposeetblockedImagepeut gérer à la fois le traitement d'image et la segmentation dans un seul script. - Les grandes images sont analysées en piles beaucoup plus petites avec
blockedImageéliminant ainsi le besoin d'ordinateurs puissants et onéreux et réduisant le temps de programmation et les erreurs. - Grâce aux techniques d'IA de Cellpose, la segmentation cellulaire, qui semblait autrefois une tâche complexe, est désormais possible pour accélérer la segmentation et l'analyse des images Téravoxel.
Ensemble de données du cerveau entier de souris d'environ 800 Go avec segmentation Cellpose et un nuage de points du centroïde de chaque cellule dans MATLAB.
The Chinese University of Hong Kong (CUHK) mène de nombreux programmes de recherche dans divers domaines, notamment un programme visant à développer des méthodes de sondage et de cartographie efficaces des structures biologiques et des compositions moléculaires.
Le traitement d’images fait partie intégrante du développement de la méthode et permet une gestion flexible des images multidimensionnelles et des grands ensembles de données volumétriques. Pour cela, CUHK utilise, de manière extensive, des fonctions dans MATLAB®, Medical Imaging Toolbox™ et Image Processing Toolbox™, en particulier cellpose et blockedImage, accélérant la segmentation cellulaire que l’équipe pensait complexe, voire impossible.
Dans sa récente étude, CUHK dispose de deux ensembles de données d'images 3D qui sont analysés à l'aide de cellpose dans MATLAB. L'un d'eux contient 10 téravoxels et 28 canaux représentant environ 1 million de cellules, nécessitant une segmentation et une analyse de typage cellulaire. Le second est une image cérébrale intégrale de souris d'environ 800 Go nécessitant une segmentation globale du soma neuronal et un enregistrement dans Allen Brain Atlas.
L'équipe du Dr Lai à CUHK utilise cellpose dans MATLAB sur des images seuillées et soustraites de l'arrière-plan pour la segmentation assistée par blockedImage, pour obtenir les masques cellulaires avant de procéder à l'analyse des profils d'expression moléculaire de chaque cellule. Les masques cellulaires obtenus pour les images 3D 28-plex permettent à CUHK de profiler les intensités d’immunomarquage de 25 marqueurs choisis, qui sont utilisés pour la classification du typage cellulaire, le tout réalisé à l'aide de MATLAB dans un seul script.
Les chercheurs de CUHK ont choisi MATLAB car ils souhaitaient regrouper l'ensemble du pipeline dans un environnement unique. Ils ont constaté que le workflow rationalisé, la documentation de qualité et le support technique performant proposé par MathWorks leur permettaient de gérer leurs grands ensembles de données. La CUHK espère étendre davantage la technologie pour une utilisation clinique, où le traitement d'images à la volée peut permettre des diagnostics plus efficaces pour les patients.
Produits utilisés
Ressources associées
