約 800 GB 的小鼠全腦數(shù)據(jù)集，在 MATLAB 中使用 cellpose 進(jìn)行分割，并繪制每個(gè)細(xì)胞中心點(diǎn)的散點(diǎn)圖。

“我們選擇了 MATLAB 是因?yàn)橄Ｍ谝粋€(gè)單一環(huán)境中完成整個(gè)流程，”黎教授表示。“其編程環(huán)境提供了簡化的流程、全面的文檔以及可靠的技術(shù)支持，使我們能夠有效處理龐大的數(shù)據(jù)集。MATLAB 中 blockedImage 和 cellpose 非常契合我們的工作流，因?yàn)樵谄渌?jīng)典的圖像處理算法之外，我們還希望在單個(gè)腳本中同時(shí)進(jìn)行圖像處理和分割。這個(gè)工作流程讓原本艱巨的細(xì)胞分割任務(wù)變得可能，且無需投入大量的人力?！?/p>

在港中大發(fā)表在“Nature”的最新研究中，他們有兩個(gè)使用 MATLAB 中的 cellpose 進(jìn)行分析的 3D 圖像數(shù)據(jù)集。其中一個(gè)有 10 萬億體素和 28 個(gè)通道，代表約 100 萬個(gè)細(xì)胞，需要進(jìn)行分割和細(xì)胞分型分析。第二個(gè)數(shù)據(jù)集是約 800 GB 的小鼠全腦圖像，需要對(duì)神經(jīng)元體進(jìn)行全局分割，并配準(zhǔn)到艾倫腦圖譜。

黎教授團(tuán)隊(duì)使用 MATLAB 中的 cellpose 對(duì)經(jīng)過閾值處理和背景扣除的圖像進(jìn)行分割，并借助 blockedImage 獲得細(xì)胞掩膜，然后分析每個(gè)細(xì)胞的分子表達(dá)譜。獲得 3D 28 重圖像的細(xì)胞掩膜后，就能夠分析25個(gè)選定標(biāo)記的免疫染色強(qiáng)度，這些標(biāo)記用于細(xì)胞類型分類，所有操作均在 MATLAB 中的單個(gè)腳本中完成。

港中大希望將這項(xiàng)技術(shù)進(jìn)一步推廣到臨床應(yīng)用中，實(shí)時(shí)圖像處理將帶來更高效的患者診斷。MathWorks 中國區(qū)醫(yī)療行業(yè)首席技術(shù)官單博表示：“巨幅圖像尤其是高分辨率病理顯微切片的處理，對(duì)于存儲(chǔ)和計(jì)算都是巨大的挑戰(zhàn)。港中大的解決方法采用了 blockedImage 針對(duì)巨幅圖像處理的功能，從低分辨率圖像中提取掩膜 ROI 區(qū)域，從而大大降低了計(jì)算量；隨后基于 blockedImage 巨幅圖像處理的框架，采用 cellpose 的 AI 模型進(jìn)行分割和處理。這使原本艱巨的挑戰(zhàn)變?yōu)楝F(xiàn)實(shí)。非常榮幸，MATLAB 能在這樣高水平的生物醫(yī)學(xué)創(chuàng)新研究中出一份力?！?/p>

MathWorks 生物科學(xué)專家及學(xué)術(shù)支持工程團(tuán)隊(duì)提供的全方位支持對(duì)于項(xiàng)目的成功至關(guān)重要。MathWorks 中國區(qū)教育行業(yè)總負(fù)責(zé)人李慶節(jié)強(qiáng)調(diào)：“這正是 MathWorks 教育團(tuán)隊(duì)對(duì)全校園授權(quán)（Campus-Wide License）的合作高校進(jìn)行科研支持的典型案例，充分體現(xiàn)了我們?cè)谥袊咝＝虒W(xué)與科研項(xiàng)目中所秉承的‘道（把復(fù)雜問題簡單化的計(jì)算思維）、法（運(yùn)用AI進(jìn)行跨學(xué)科的數(shù)據(jù)驅(qū)動(dòng)范式）、術(shù)（技巧）、器（工具箱與技術(shù)）、人（本地與總部技術(shù)團(tuán)隊(duì)）’五位一體的技術(shù)支持理念。我們期待未來能與更多研究人員開展合作?！?/p>

xiesc