ИСТИНА |
Войти в систему Регистрация |
|
ИСТИНА ЦЭМИ РАН |
||
В последние десятилетия, одними из наиболее бурно развивающихся направлений биомедицины являются клеточная и молекулярная биология. Для проведения экспериментов в этих областях используются все более сложные приборы, в особенности флуоресцентные микроскопы. С появлением технологии флуоресцентных белков (Нобелевская премия по химии в 2008 году) расширились возможности проведения прижизненных наблюдений, что кардинально расширило возможности световой микроскопии. Бурно развивалась и микроскопическая техника. Особенное значение имело появление конфокального микроскопа и его вариантов (лазерный сканирующий,спиннинговый и т.п.). Недавно начала бурно развиваться микроскопия сверх-высокого разрешения (Нобелевская премия по химии в 2014 году). На данный момент мало какое исследование в области клеточной и молекулярной биологии обходится без экспериментов, связанных с микроскопией. Объем и сложность генерируемых при этом данных делает их обработку в ручном режиме малоэффективной, а во многих случаях невозможной. Это привело к необходимости разработки автоматизированных методов анализа биомедицинских изображений, полученных, в частности, с помощью микроскопов. Необходимо также отметить, что в силу требования о воспроизводимости экспериментов в современных научных исследованиях, получение количественных характеристик и параметров с помощью компьютерных алгоритмов анализа изображений является предпочтительным даже в тех случаях, когда визуальный анализ данных представляется возможным. Параллельно с этим, компьютерные методы обработки и анализа медицинских микроскопических изображений приобретают все большее значение для методов современной медицинской диагностики (гематология, гистология, дерматология и др.). При этом важным является верифицируемость разрабатываемых алгоритмов обработки изображений и оценка качества работы этих алгоритмов. Для этих целей необходимы наборы данных, где заранее известен истинный результат. Однако, в силу сложности и многомерности данных, полученных с микроскопов, а также природы экспериментов, зачастую невозможно получить реальные данные с известным ground truth. Поэтому задача компьютерного синтеза реалистичных изображений для тестирования алгоритмов, где процесс получения изображений, а также параметры шума, искажений, деформаций и пр. являются полностью контролируемыми,является актуальной. На данный момент в мире существует большое количество научных групп и лабораторий,решающих задачи обработки и анализа биомедицинских изображений. Однако, большая вариативность и специфичность проводимых биологами экспериментов и методов медицинской микроскопической диагностики требует, кроме разработки универсальных методов, создания проблемно-ориентированных алгоритмов для решения задач анализа биомедицинских изображений, что делает данную область исследований очень востребованной и перспективной с точки зрения получения новых результатов. Современные флуоресцентные микроскопы позволяют получать серии двумерных и трехмерных изображений живых клеток, что позволяет исследовать динамику движения клеток и клеточных субструктур, а также изменения их свойств. Использование различных флуоресцентных маркеров в сочетании с современными оптическими детекторами позволяет получать изображения в двух и более цветовых каналах, где каждый канал содержит информацию о каком-то белке или какой-то клеточной субструктуре. Таким образом, в данной области исследователи имеют дело с пятимерными данными, обработка и анализ которых требует разработки математических методов и моделей, а также эффективных алгоритмов их реализации. Целью данного проекта является разработка проблемно-ориентированных методов обработки и анализа статичных изображений клеток (2D и 3D) и серий двумерных и трехмерных изображений живых клеток (2D+t и 3D+t), основанных на реалистичных математических моделях. Данные методы будут использованы для анализа клеточных структур. Основным направлением проекта будет разработка математических методов обработки и анализа изображений для решения следующих задач: - компенсация движения и деформации клетки. Решение данной проблемы является ключевым для решения задачи анализа движения индивидуальных субструктур, поскольку в силу природы экспериментов, «физическая» фиксация живой клетки (или ядра клетки) для изучения лишь локального движения индивидуальных субструктур не представляется возможной. Таким образом, деформацию и движение клетки (или ядра клетки) необходимо компенсировать с помощью математического моделирования, использующего, в том числе, методы теории упругости (клеточное ядро моделируется, как упругое тело), а также современных методов анализа данных, основанных на глубоком обучении (в том числе сверточных нейронных сетях). - синтез реалистичных изображений живых клеток. Данная проблема является одной из основных для решения задач проверки различных алгоритмов обработки и анализа изображений клеточных структур. Например, в задаче сегментации изображений, являющейся базовой операцией, необходимой в большинстве приложений, зачастую остро стоит проблема отсутствия ground truth для проверки и оценки качества компьютерных алгоритмов сегментации изображений. В иных областях в таких случаях прибегают к ручной разметке данных с помощью экспертов в данной области. Однако, в силу сложности получаемых с помощью микроскопа данных, ручная разметка зачастую является нестабильной (разные эксперты размечают данные с существенными различиями), или вовсе невозможной. Поэтому, компьютерное моделирования и синтез реалистичных изображений клеточных структур, где ground truth известно по построению, является действительно важной задачей. - повышение качества изображений исходных и полученных деформированных клеточных структур. Данная задача, наряду с разработкой адаптивных методов подавления шума и артефактов, требует создания безреференсных метрик оценки качества микроскопических изображений клеток. Оценка качества шумоподавления будет основана на использовании энтропийных методов оценки разностных изображений шума. В задаче анализа качества компенсации деформации клетки будет использоваться совместный анализ вычисляемой деформации клетки методами теории упругости и методами, основанными на анализе интенсивности, включающими разные уровни жесткости клеточных структур и субструктур. - решения вспомогательных задач, являющихся важными составными частями алгоритмов синтеза и анализа изображений, полученных с помощью микроскопии, в том числе: определение уровня размытия, построение карты дефокусировки и глубины, повышение резкости изображений. Разрабатываемые алгоритмы обработки изображений будут использованы для решения конкретных задач из области клеточной и молекулярной биологии и медицинской микроскопической диагностики . Помимо интереса для сообщества, работающего в области обработки изображений, разработанные методы несомненно буду представлять интерес для различных групп, работающих в области молекулярной биологии и медицинской микроскопической диагностики, как в России, так и за рубежом. Тем самым будут открыты новые возможности для развития междисциплинарного сотрудничества, а также улучшения уровня научных результатов в области клеточной и молекулярной биологии и развития методов медицинской микроскопической диагностики.
One of the most quickly developing areas of biomedicine in last years is cell and molecular biology. More and more complex equipment is used for carrying out experiments, namely fluorescent microscopes. Since the development of highly specific fluorescent probes (Nobel Prize in Chemistry 2008), the abilities of live cell imaging significantly spread which dramatically extended the scope of light microscopy. Along with that, the microscopy equipment had been extensively developing too. The development of confocal microscope and its modifications (laser scanning, spinning disk etc.) had a special influence in the field. Quite recently super-resolution microscopy was invented (Nobel Prize in Chemistry 2014). Hardly a single research project in cell and molecular biology is carried out without microscopy experiments. The amount and complexity of acquired data makes its manual processing ineffective or even impossible. This makes the development of automatic methods of biomedical microscopy image analysis essential. It is also important to note that modern science requires the research to be reproducible which makes the automated quantitative data analysis more preferable than manual even in the case when visual inspection of the data is possible. In parallel, computer methods of microscopic medical image processing and analysis become more and more important for modern medical diagnostics (hematology, histology, dermatology, etc.). Another important problem is to verify and asses the quality of the developed algorithms. For this purpose, there is a need for the data with known ground truth. However, due to complexity and multidimensionality of the microscopic data, and biological experimental setups, it is often impossible to obtain real data with known ground truth. Thus, the task of computer synthesis of realistic images for testing the algorithms is very actual as for such synthetic data the parameters of noise, distortions, blur, deformations etc. are known and well controllable. There are a lot of research groups and laboratories working in the field of biomedical image processing and analysis. However high variability and specifity of experiments carried out by biologists and microscopic medical imaging methods requires, besides the development of universal methods, the development of problem oriented algorithms for biomedical image analysis. It makes this research field high-demand and perspective in regards to obtaining new scientific results. Conventional fluorescent microscopes allows to acquire 2D and 3D image series of living cells that enables to research the motion of cells and subcellular structures and changes in their properties. The use of highly specific fluorescent markers in conjunction with conventional optics and detectors enables acquiring the images in two and more color channels where each channel contains the information about specific protein or other subcellular structure. Thus, the researchers in this field deal with 5-D data the processing and analysis of which requires the development of mathematical models and methods along with effective implementation algorithms. The aim of this project is the development of problem-oriented methods for static 2D and 3D cell images and series of living cells based on realistic mathematical models. These methods will be used for cellular structures analysis. The main challenge of the project is the development of mathematical methods of image processing and analysis for the following tasks: - The compensation for cell motion and deformation. This problem is the corner stone for successful solution of the individual subcellular structures analysis problem. Due to the nature of biological experiments, the physical fixation of living cells (or cell nuclei) for studying just the local motion of individual subcellular structures is not possible. Thus, the deformation and motion of a cell (or cell nucleus) must be compensated using mathematical modeling, including linear elasticity models (cell nucleus is considered as an elastic body), and also modern machine learning methods based on deep learing (including convolutional neural networks) - The synthesis of realistic images of live cells. This problem is crucial for verification and evaluation of different cell image processing methods. For example, in image segmentation problem, which is the base operation for almost all the application, the lack of ground truth for validation of the quality of segmentation algorithms is the major problem. In other areas of imaging, the ground truth can be created by manual annotation of the images by experts in the field. However, due to the complexity of the microscopic data, the manual annotation is often not stable (different expert mark the data differently) or even not possible at all. Thus the computer modeling live cells and synthesis of the images with the known ground truth is an important problem. - The enhancement of initial images and images of deformed cell structures. Along with development of adaptive methods of denoising, this task requires construction of no-reference quality metrics for cell images. The evaluation of denoising efficiency will be based on entropy methods for differential noise images assessment. For the problem of quality assessment for the compensation for cell deformation, we will use the joint analysis of the computed cell deformation by linear elasticity methods and intensity based methods that include different level of rigidity for cells and subcellular structures. - Solving of auxiliary problems that are important parts of synthesis and analysis algorithms for images obtained by microscopy. These problems include: blur level estimation, defocus and depth map construction, sharpening. The algorithms of image processing and analysis being developed in frame of this project will be used for real-life applications in cell and molecular biology and medical microscopic diagnostics. Besides the interest for the image processing community the methods that will be developed in frame of this project will be undoubtedly interesting for groups working in the field of cell and molecular biology and medical diagnostics. Thus, the new perspectives for interdisciplinary collaborations will be opened. In addition, this project will enable the possibility to improve the level of scientific results in the field of cell and molecular biology and medical cell imaging.
Основным результатом проекта будут новые методы обработки, анализа и синтеза биомедицинских изображений клеток. Основные результаты будут включать: - алгоритмы компенсации деформации и движения клеток или клеточных ядер, основанные на совмещении изображений, - алгоритмы синтеза реалистичных серий изображений живых клеточных структур, - алгоритмы повышения качества микроскопических изображений, - алгоритмы определения уровня размытия и оценки качества, построения карты дефокусировки и глубины, повышения резкости для биомедицинских изображений. Планируемые к разработке методы будут превосходить по качеству существующие аналоги, а также позволят решать практические задачи анализа клеточных структур, в том числе для тех, для которых решение ранее не представлялось возможным. Разработанные алгоритмы планируется применить для решения актуальных задач обработки микроскопических изображений в различных исследованиях в области молекулярной и клеточной биологии и медицинской диагностики. В частности, разработанные подходы будут использованы для изучения подвижности интерфазных проядрышек в составе карциномных клеток человека, представляющие собой особую важность для изучения механизмов онкогенеза, поиска новых лекарств и т.п. Результаты планируется опубликовать в серии статей (не менее 10 статей) в изданиях, индексируемых WoS и Scopus. Основные результаты проекта будут доложены на ведущих международных конференциях в области обработки изображений.
Научная группа имеет опыт разработки алгоритмов обработки изображений различного типа (реальных, медицинских, биологических). В частности в 2014-2016 годах в рамках проекта РНФ 14-11-00308 «Математические методы предобработки и повышения качества медицинских изображений» были разработаны и оптимизированы новые оригинальные алгоритмы предобработки, повышения качества и анализа медицинских изображений, включающие в себя: - методы повышения резкости медицинских изображений, в том числе гистологических и дерматологических изображений, с помощью метода деформации пиксельной сетки; - методы повышения разрешения и суперразрешения медицинских изображений; - методы определения уровня и подавления эффекта Гиббса на медицинских изображениях; - методы подавления мультипликативных спеклов. Данные разработки будут использованы совместно с алгоритмами и методами, созданными членами научного коллектива для обработки и анализа микроскопических биомедицинских изображений: - Алгоритм компенсации движения клеточного ядра на основе уравнения Навье-Коши для серий двумерных изображений. - Алгоритм детектирования структур, индуцированных лазером на ядре клетки - Алгоритм анализа движения UBF1-позитивных участков проядрышек в условиях гамма-излучения на различных стадиях клеточного цикла. - Алгоритм анализа движения PML и 53BP1 белков в условиях разрыва двойной спирали ДНК. - Алгоритм получения серий изображений ядра клетки с индуцированными лазером линейными структурами. - Алгоритм детекции индуцированных лазером линейными структур на ядре клетки. - Алгоритмы обнаружения низкоуровневых структур на медицинских изображениях. Получен и каталогизирован массив видеоданных клеточной флуоресцентной микроскопии для использования в работах проекта.
МГУ имени М.В.Ломоносова | Координатор |
грант РНФ |
# | Сроки | Название |
1 | 18 мая 2017 г.-31 декабря 2017 г. | Разработка методов обработки биомедицинских изображений для анализа клеточных структур |
Результаты этапа: Созданы: - Метод компенсации движения ядра клетки для серий двумерных изображений (2D+t). - Метод для подавления и оценки уровня шума на микроскопических флуоресцентных изображениях живых клеток. - Метод синтеза реалистичных синтетических изображений живых клеток - Метод определения уровня размытости и метрика оценки качества изображений микроскопии. Разработанные методы применены для решения реальных задач клеточной биологии и микроскопической медицинской диагностики | ||
2 | 1 января 2018 г.-31 декабря 2018 г. | Разработка методов обработки биомедицинских изображений для анализа клеточных структур |
Результаты этапа: - Создан метод синтеза реалистичных данных крио-электронной микроскопии и томографии расширенный для моделирования различной формы исходного объекта и вариантов искажений. - Создан метод синтеза реалистичных синтетических изображений нескольких взаимодействующих живых клеток с филоподиями. - Создан прототип гибридного метода компенсации движения и деформации клетки с использованием упругих моделей и интенсивностей изображений. - Проведен анализ предложенного метода оценки возможного уменьшения размера изображений, при их совмещении. Метод использован для ускорения жестких методов совмещения биомедицинских изображений. - Создан метод отслеживания клеточных структур на серии изображений эпифлуоресцентной микроскопии. - Разработан метод сегментации желёз на гистологических изображениях с использованием свёрточных нейронных сетей. - Показана высокая эффективность разработанного метода поиска оптимального размера уменьшения изображений для базовых алгоритмов жесткого совмещения биомедицинских изображений, проведен теоретический анализ данного метода. - Разработанные методы применены для решения реальных задач клеточной биологии и микроскопической медицинской диагностики. В частности, разработанный прототип гибридного метода компенсации движения и деформации клетки был использован для совмещения изображений клеток, полученных с помощью оптической и флуоресцентной микроскопии; разработан метод сегментации слизистых желез на гистологических изображениях. - Создан регуляризирующий метод подавления шума на изображениях, основанный на использовании функционала полной обобщённой вариации второго порядка. - Разработан алгоритм выбора параметров шумоподавления изображений на основе анализа структуры разностного изображения для алгоритмов BM3D и алгоритма, основанного на использовании полной вариации. - Предложен новый метод шумоподавления на основе алгоритма нелокального среднего, использующий модификацию индекса структурного сходства как весовую функцию. - Разработан улучшенный алгоритм повышения резкости дефокусированных и смазанных изображений, основанный на деформации пиксельной сетки. | ||
3 | 1 января 2019 г.-31 декабря 2019 г. | Разработка методов обработки биомедицинских изображений для анализа клеточных структур |
Результаты этапа: - Создан объединенный метод компенсации движения и деформации клетки с использованием упругих моделей и интенсивностей изображений; - Создан метод совмещения изображений нейронных структур с инвазивного минископа; - Разработан метод отслеживания клеточных структур на серии микроскопических изображений модифицирован и адаптирован для применения к изображениям конфокальной микроскопии; - Создана база данных изображений клеток с филоподиями пригодная для анализа качества алгоритмов сегментации, а также обучение сверточных нейронных сетей; - Разработан метод построения карты размытия для деформационного алгоритма повышения резкости микроскопических изображений с использованием свёрточных нейронных сетей для размытия типа «дефокусировка»; - Создан улучшенный алгоритм повышения резкости микроскопических изображений на основе деформации пиксельной сетки с дополнительным повышением резкости острых углов; - Разработан алгоритм повышения резкости для временных последовательностей микроскопических изображений с мигающими флуорофорами. Алгоритм применён к реальным изображениям клеток, полученных с помощью микроскопа Zeiss LSM 880 с детектором Airyscan; - Проведено дальнейшее развитие и оптимизация предложенного ранее в рамках проекта автоматического метода выбора оптимальных параметров шумоподавления, основанного на анализе шума на изображениях. Метод использован для автоматических методов шумоподавления, основанных на использовании нелинейного уравнения диффузии, и для гибридных методов, объединяющих классические математические методы и методы, использующие обучение на основе сверточных нейронных сетей; - Создан новый автоматический алгоритм шумоподавления на изображениях, являющийся вариантом алгоритма нелокального среднего с использованием персептивной метрики, основанной на модификации индекса структурного сходства; - Создан совместный метод компенсации и анализа движения субклеточных структур на изображениях с открытым исходным кодом; - Разработан гибридный метод сегментации гистологических изображений, основанный на поточечной оценке параметров вариационной модели активного контура с помощью применения свёрточной нейронной сети; -Создан аннотированный набор полнокадровых гистологических изображений желудочно-кишечного тракта PATH-DT-MSU (http://imaging.cs.msu.ru/en/research/histology/path-dt-msu). |
Для прикрепления результата сначала выберете тип результата (статьи, книги, ...). После чего введите несколько символов в поле поиска прикрепляемого результата, затем выберете один из предложенных и нажмите кнопку "Добавить".