이 페이지는 기계 번역되었습니다.
번역 품질에 대한 1분 설문 조사에 참여해 주세요.
MATLAB으로 AI 기법을 사용해 테라복셀 영상 분할 및 분석을 가속화한 연구원들
CUHK - 워크플로 간소화로 단일 환경에서 포괄적인 세포 유형 분석 및 분자 프로파일링 활성화 사례
“우리는 영상 처리 및 분할 외에도 다른 고전적 영상 처리 알고리즘을 단일 스크립트에서 모두 처리하고 싶었기에 MATLAB의
blockedImage및cellpose에 대한 새로운 개선 사항이 우리 워크플로에 맞게 매우 적절한 시기에 나왔다고 생각합니다."
주요 성과
- MATLAB의
cellpose및blockedImage는 단일 스크립트에서 영상 처리와 분할을 모두 처리할 수 있습니다. - 대형 영상은
blockedImage로 훨씬 더 작은 덩어리로 구문 분석되어 고가의 고급 컴퓨터가 필요 없게 되고 프로그래밍 시간과 오류가 줄어듭니다. - Cellpose AI 기법을 통해 한때 어려워 보였던 세포 분할이 이제 테라복셀 영상의 분할 및 분석을 가속화할 수 있습니다.
MATLAB에서 본 각 세포의 중심에 대한 산점도와 Cellpose 분할을 포함한 약 800GB에 달하는 전체 쥐 두뇌 데이터셋.
CUHK(Chinese University of Hong Kong)은 생물학적 구조와 분자 구성을 효율적으로 조사하고 매핑하는 방법을 개발하는 프로그램을 포함하여 많은 학문 분야에서 광범위한 연구 프로그램을 수행하고 있습니다.
방법 개발에 필수적인 것은 다차원 영상과 대용량 데이터셋을 유연하게 처리할 수 있는 영상 처리입니다. CUHK는 이런 목적으로 특히 cellpose와 blockedImage를 비롯한 MATLAB®, Medical Imaging Toolbox™ 및 Image Processing Toolbox™의 함수를 광범위하게 사용하여 어렵고 심지어 불가능하다고 생각했던 세포 분할을 가속화할 수 있었습니다.
CUHK의 최근 연구에는 MATLAB의 cellpose를 사용해 분석한 2개의 3차원 영상 데이터셋이 있습니다. 그중 하나는 10개의 테라복셀과 28개의 채널을 갖고 있어 분할과 세포 유형 분석이 필요한 약 100만 개의 세포를 나타냅니다. 두번째는 800GB에 달하는 전체 쥐 두뇌 영상으로, 전체 신경 세포체 분할과 Allen Brain Atlas에 대한 등록이 필요합니다.
CUHK의 Lai 박사의 팀은 MATLAB의 cellpose를 이진화되고 배경이 제거된 blockedImage로 분할된 영상에 활용해 각 세포의 분자적 발현 프로필을 분석하기 전에 세포 마스크를 얻었습니다. 3D 28-플렉스 영상에 대한 세포 마스크를 획득함으로써 CUHK는 선택된 25개 마커의 면역염색 강도를 프로파일링할 수 있었으며, 이는 세포 유형 분류에 사용되었으며, 이 모든 작업은 MATLAB를 사용해 단일 스크립트로 수행되었습니다.
CUHK의 연구원들은 전체 파이프라인을 단일 환경에서 관리하고 싶었기 때문에 MATLAB를 선택했고, MathWorks의 간소화된 워크플로, 훌륭한 문서화, 우수한 기술 지원을 통해 대규모 데이터셋을 처리할 수 있었습니다. CUHK는 즉석 영상 처리를 통해 환자 진단의 효율성을 높일 수 있도록 이를 임상에 적용하여 더욱 확장하고자 합니다.
