【儀表網 儀表研發】顯微鏡成像技術的進步使得能夠使用延時顯微鏡成像對活細胞動態過程進行可視化。然而，現代方法在培訓階段和時間限制方面存在一些限制，阻礙了它們在實驗室實踐中的應用。在這項工作中，研究人員提出了一種新的方法，稱為自動細胞檢測和計數(ACDC)，設計用于在延時顯微鏡下熒光標記細胞核的活性檢測。
 

　　ACDC克服了文獻方法的局限性，首先對原始圖像進行雙邊濾波，在保持邊緣銳度的同時平滑輸入細胞圖像，然后利用分水嶺變換和形態學濾波。
 

　　此外，ACDC為實驗室實踐提供了一種可行的解決方案，因為它可以利用計算機集群中的多核架構來高效地處理大規模成像數據集。實際上，研究人員的ACDC的父- worker實現允許獲得與順序對等項相比最大的加速。在兩個不同的細胞成像數據集上測試ACDC，以評估其對不同特征圖像的準確性和有效性。
 

　　研究人員在不依賴大規模注釋數據集的情況下實現了準確的細胞計數和細胞核分割，這一結果通過對兩個測試數據集的人工細胞計數進行計算，得到和的平均骰子相似系數和和的皮爾遜系數。
 

　　相關論文以題為“ACDC: Automated Cell Detection and Counting for Time-Lapse Fluorescence Microscopy”于北京時間2020年09月06號發表在《Applied Sciences》上。
 

　　顯微成像技術的進步，使動態活細胞過程可視化。因此，顯微鏡圖像的收集已成為闡明活細胞的復雜機制和功能的主要數據來源。現代可視化技術產生的數據量大且復雜，無法進行可視化或人工分析，因此需要計算方法從大數據集中推斷生物知識。特別是，細胞圖像中感興趣的對象以圖像之間形態和強度的高度變化為特征，這使得諸如細胞邊界和細胞內特征等特征難以準確識別。因此，細胞分割分析在過去的十年中得到了越來越多的關注。
 

　　另外，研究人員還致力于利用最新的機器學習技術來精確地細化分割結果。改進可以通過對從檢測細胞中提取的幾何特征和紋理特征進行分類來實現。這種先進的計算分析可以讓我們從生物學角度了解復雜的細胞過程。