このページは機械翻訳を使用して翻訳されました。
翻訳品質のアンケートに 1 分ご協力ください。
MATLABのAI技術を用いてテラボクセル画像のセグメンテーションと分析を加速
香港中文大学、ワークフローの合理化により単一環境で包括的な細胞タイピングと分子プロファイリングを実現
「MATLABの
blockedImageとcellposeの新機能は、私たちのワークフローにとって非常にタイムリーでした。画像処理やセグメンテーションを、他の従来の画像処理アルゴリズムとともに、ひとつのスクリプトで扱いたいと考えていたためです。」
主な成果
cellposeとblockedImageをMATLABで活用することで、画像処理とセグメンテーションの両方を1つのスクリプトで処理できます- 大きな画像は
blockedImageでより小さなスタックに解析され、高価なハイエンドコンピュータの必要性を排除し、プログラミング時間とエラーを削減します - Cellpose AI技術により、かつては困難と思われていた細胞セグメンテーションが、テラボクセル画像のセグメンテーションと分析を加速することで可能になりました
Cellpose セグメンテーションとMATLABでの各細胞の重心の散布図を使用した、約 800 GB のマウス脳全体のデータ セット。
香港中文大学 (CUHK) は、生物学的構造と分子組成を効率的に調査およびマッピングする方法を開発するプログラムを含む、多くの主題領域で幅広い研究プログラムに取り組んでいます。
この手法の開発に不可欠なのは、多次元画像と大容量データ セットを柔軟に処理できる画像処理です。香港中文大学はMATLAB®の関数を使用しており、 Medical Imaging Toolbox™、 Image Processing Toolbox™をこの目的のために広く活用していますが、特にcellposeそしてblockedImageにより、チームが困難で不可能だと考えていた細胞セグメンテーションが加速されました。
香港中文大学の最近の研究では、MATLABのcellposeで分析された2つの3D画像データセットがあります。1 つは 10 テラボクセルと 28 チャネルを備えており、セグメンテーションと細胞タイプの分析を必要とする約 100 万個の細胞を表します。2 番目は、全体的なニューロン細胞のセグメンテーションと Allen Brain Atlas への登録を必要とする、約 800 GB のマウス脳全体の画像です。
香港中文大学のLai博士のチームは、閾値処理およびバックグラウンド減算を施した画像に対して、MATLAB上でcellposeを利用し、blockedImageの支援のもとセグメンテーションを行い、細胞マスクを取得しています。その後、各細胞の分子発現プロファイルの解析に進みます。3D 28 プレックス画像用に取得された細胞マスクにより、香港中文大学は細胞型の分類に使用される 25 個の選択されたマーカーの免疫染色強度をプロファイリングすることができ、すべてMATLABを使用して 1 つのスクリプトで実行できます。
香港中文大学の研究者は、パイプライン全体を単一の環境で実行したかったためMATLAB を選択しました。また、合理化されたワークフロー、優れたドキュメント、 MathWorksの優れた技術サポートにより、大規模なデータセットを処理できることもわかりました。香港中文大学は、オンザフライ画像処理によってより効率的な患者診断が可能な臨床用途に向けて、この技術をさらに拡大したいと考えています。
