Все новости

В Сколтехе предложили новый метод обнаружения объектов на микрофотографиях

Большинство методов компьютерного зрения для решения таких задач, принадлежат к одной из двух категорий

МОСКВА, 29 января. /ТАСС/. Виктор Лемпицкий, ученый из Сколтеха, вместе с коллегами Карлосом Артетой, Алисон Ноубл и Эндрю Зиссерманом из Оксфордского Университета предложил новый способ высокоточного обнаружения объектов на микроскопических изображениях, сообщает пресс-служба Сколковского института науки и технологий.

"Распознавание различных объектов - клеток, клеточных колоний, ядер - на микрофотографиях это важный этап многих экспериментов в биологии и медицине, который может быть как отдельной задачей, так и основой для последующих экспериментов и более глубокого анализа результатов", - говорится в пресс-релизе.

Большинство методов компьютерного зрения для решения таких задач, принадлежат к одной из двух категорий. Одни хорошо находят и отделяют отдельные объекты, но работают только на изображениях с низкой плотностью объектов, а вторые подходят и для высокой плотности, но находят только группы объектов.

"Лемпицкий с коллегами предложили метод, который соединяет плюсы обоих подходов, и применим для изображений, содержащих одновременно участки низкой и высокой плотности клеток, которые к тому же могу частично перекрываться", - отмечает пресс-служба.

Пример работы метода (справа) на сложном для анализа флуоресцентном изображении (слева): зеленые регионы соответствуют (по мнению метода) отдельным клеткам, синие – группам из двух клеток, фиолетовые из трех, голубые – из пяти Пресс-служба Сколковского института науки и технологий
Описание
Пример работы метода (справа) на сложном для анализа флуоресцентном изображении (слева): зеленые регионы соответствуют (по мнению метода) отдельным клеткам, синие – группам из двух клеток, фиолетовые из трех, голубые – из пяти
© Пресс-служба Сколковского института науки и технологий

Новый алгоритм компьютерного зрения основан на древовидной дискретной графической модели, которая позволяет выбрать и промаркировать набор непересекающихся участков изображения с помощью глобальной оптимизации. Каждый регион маркируется в соответствии с количеством объектов, которые он содержит. В условиях низкой плотности объектов метод, как правило, находит и выделяет отдельные клетки, а в местах, где клетки перекрываются, предложенный метод выделяет группы клеток и оценивает размер этих групп.

Кроме того, ученые разработали специальный модуль, позволяющий провести предварительную обработку "шумных" микрофотографий. Тестирование метода было проведено на шести различных наборах изображений, включающих изображения флуоресцентной микроскопии, молекулярные изображения слабой флуоресценции, изображения фазово-контрастной микроскопии и гистологические изображения.

Результаты исследования были опубликованы в журнале Medical Image Analysis.