Современные технологии позволяют осуществлять мониторинг больших популяций живых клеток в течение длительных периодов времени в экспериментальных условиях. Живая визуализация клеточных популяций, растущих в культуральном сосуде, широко применяется в биомедицинских экспериментах. Такие эксперименты создают большое количество покадровых изображений, и информация, содержащаяся в этих изображениях, имеет огромные перспективы для научных открытий. Растущее количество таких данных требует автоматизированных или полуавтоматических инструментов компьютерного зрения для обнаружения и анализа динамических клеточных процессов, а также для извлечения информации, необходимой для биомедицинских исследований.
Живые клетки часто малоконтрастны с небольшой естественной пигментацией; поэтому их обычно необходимо окрашивать или фиксировать, чтобы они были видны при микроскопии в светлом поле или флуоресцентной микроскопии. Однако фиксация или окрашивание могут разрушить клетки или внести артефакты. Визуализация без меток, в частности фазово-контрастная микроскопия, очень желательна для визуализации живых клеток, поскольку она позволяет исследовать клетки в их естественном состоянии и, следовательно, позволяет визуализировать живые клетки в течение длительных периодов времени. В этой главе мы сосредоточимся на анализе покадровых изображений, полученных с помощью фазово-контрастной микроскопии.
Хотя полезно изучать клеточное поведение на уровне отдельных клеток, в этой главе мы сосредоточимся на анализе компьютерным зрением клеточной динамики в больших клеточных популяциях. В частности, нас интересуют данные, в которых популяции клеток являются плотными, а между соседними клетками имеется значительное соприкосновение и окклюзия. Рисунок ниже является примером таких данных изображения.
При изучении клеточных популяций в цейтраферной визуализации ручной анализ не только утомителен, но и результаты разных людей и даже результаты одного и того же человека могут значительно различаться. Кроме того, становится непрактичным вручную анализировать поведение каждой отдельной клетки в большой популяции на протяжении всего эксперимента в течение длительного периода времени. Большая часть современной практики биомедицинских исследований заключается в ручном изучении небольшого подмножества всей клеточной популяции, и исследовательские выводы часто делаются на основе такого ручного анализа подмножества данных. Это неоптимально; это может быть ошибочным, если подмножество не является репрезентативным для всей клеточной популяции. Таким образом, автоматизация процесса анализа каждой отдельной клетки и ее поведения в больших популяциях на изображениях с интервальной съемкой без меток является не только интересным и сложным исследованием компьютерного зрения, но также может изменить способ проведения исследований, касающихся динамики клеточных популяций, и что они могут обнаружить.