Eric a .硫酸博士。功劳:奥古斯塔大学迈克尔·霍拉汉一个新的“图像分析管道”正在让科学家们迅速对疾病或伤害是如何改变身体的有新的认识，一直到单个细胞。佐治亚医学院的细胞生物学家和神经科学家埃里克·斯图尔博士说，它被称为TDAExplore，它利用显微镜提供的详细成像，将其与一个被称为拓扑学的数学热点领域配对，拓扑学提供了对事物如何排列的洞察力，以及人工智能的分析能力，例如，为肌萎缩侧索硬化症引起的细胞变化以及它们在细胞中的发生位置提供了一个新的视角。
他们在《模式》杂志上报道说，使用个人电脑从显微图像中生成定量的、可测量的、因此也是客观的信息是一个“可获得的、强大的选择”，这些信息可能也适用于其他标准成像技术，如x光和正电子发射断层扫描。
“我们认为这是一个令人兴奋的进步，利用计算机给我们提供了关于图像集如何彼此不同的新信息，”硫酸说。“正在发生的实际生物变化是什么，包括我可能看不到的变化，因为它们太微小，或者因为我对我应该看哪里有某种偏见。”
这位神经科学家说，至少在数据分析部门，计算机让我们的大脑跳动，不仅仅是因为它们的客观性，还因为它们能够评估的数据量。计算机视觉使计算机能够从数字图像中提取信息，这是一种已经存在了几十年的机器学习，所以他和他的同事兼通讯作者彼得·布本尼克博士，佛罗里达大学的数学家和拓扑数据分析专家，决定将显微镜的细节与拓扑科学和人工智能的分析能力结合起来。硫酸说，拓扑和布本尼克是关键。
他说，拓扑学对于图像分析来说是“完美的”，因为图像是由图案、排列在空间中的物体组成的，而拓扑数据分析(TDAExplore中的TDA)也有助于计算机识别土地的层次，在这种情况下，肌动蛋白——一种蛋白质和纤维或细丝的基本组成部分，有助于赋予细胞形状和运动——已经移动或改变了密度。这是一个高效的系统，它可以学习20到25幅图像，而不是用数百幅图像来训练计算机如何识别和分类它们。
部分神奇之处在于，计算机现在正在学习被称为补丁的碎片图像。他们写道，将显微镜图像分解成这些片段可以实现更精确的分类，减少计算机对“正常”外观的训练，并最终提取有意义的数据。
毫无疑问，显微镜能够近距离观察肉眼看不到的东西，产生美丽、详细的图像和动态视频，是许多科学家的支柱。“没有先进的显微镜设备，就不可能有医学院，”他说。
但是，为了首先了解什么是正常的以及疾病状态下会发生什么，硫酸需要对图像进行详细的分析，比如细丝的数量；细丝在细胞中的位置——靠近边缘、中心、分散在各处——以及一些细胞区域是否有更多的细丝。
这种情况下出现的模式告诉他肌动蛋白在哪里，它是如何组织的——这是其功能的一个主要因素——以及它在哪里、如何以及是否随着疾病或损伤而改变。
例如，当他观察中枢神经系统细胞边缘的肌动蛋白聚集时，这个集合告诉他细胞正在扩散，四处移动，并发出成为其前沿的突起。在这种情况下，基本上处于休眠状态的细胞可以伸展开来。
科学家直接分析图像并计算他们所看到的东西的一些问题包括这很耗时，以及即使是科学家也有偏见的现实。
举个例子，特别是有这么多动作发生，他们的眼睛可能会落在熟悉的，在硫酸的情况下，肌动蛋白在细胞的前沿。当他再次观察细胞外围的黑色框架时，清楚地表明肌动蛋白聚集在那里，这可能意味着这是主要的作用点。
“当我决定什么不同时，我怎么知道这是最不同的事情，还是这正是我想看到的？”他说。“我们希望给它带来计算机客观性，我们希望在图像分析中带来更高程度的模式识别。”
众所周知，AI能够对事物进行“分类”，就像每次识别一只狗或一只猫，即使画面很模糊，通过首先学习与每种动物相关的数百万个变量，直到它看到一只狗时才知道它是狗，但它不能报告为什么是狗。这种方法需要如此多的图像用于训练目的，并且仍然没有提供许多图像统计数据，并不能真正达到他的目的，这就是为什么他和他的同事制作了一个新的分类器，仅限于拓扑数据分析。
他说，底线是TDAExplore中使用的独特耦合有效而客观地告诉科学家，扰动细胞图像与训练或正常图像的不同之处和不同程度，这些信息也提供了新的想法和研究方向。
回到显示肌动蛋白沿其周边聚集的细胞图像，虽然“前沿”因扰动而明显不同，但TDAExplore显示一些最大的变化实际上在细胞内部。
“我的大部分工作都是试图在很难看到的图像中找到模式，”硫酸说，“因为我需要识别这些模式，这样我就可以找到从这些图像中获取数字的方法。”他的底线包括弄清楚ctin细胞骨架是如何工作的，以及在像肌萎缩侧索硬化症这样的情况下，什么出了问题。
研究人员写道，一些需要数百幅图像来训练和分类图像的机器学习模型没有描述图像的哪一部分对分类有贡献。如此庞大的数据需要分析，可能包括2000万个变量，需要一台超级计算机。相反，新系统只需要相对较少的高分辨率图像，并表征了导致选择性ed分类的“斑块”。在几分钟内，科学家的标准个人电脑就可以完成新的图像分析管道。
他说，TDAExplore中使用的独特方法客观地告诉科学家扰动图像与训练图像的不同之处和不同程度，这些信息也提供了新的想法和研究方向。
从图像中获得更多更好信息的能力最终意味着像硫酸这样的基础科学家产生的信息更准确，这些信息通常最终会改变疾病的事实和治疗方式。这可能包括能够识别以前被忽略的变化，比如新系统在细胞内指出的变化。
他说，目前科学家们使用染色剂来获得更好的对比度，然后使用软件提取他们在图像中看到的信息，比如肌动蛋白是如何组织成更大的结构的。
“我们必须想出一种从图像中获取相关数据的新方法，这就是这篇论文的内容。”
这项已发表的研究为其他科学家使用TDAExplore提供了所有的素材。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
