光學(xué)顯微鏡在檢查活體和固定生物樣本方面的作用日益重要。光片技術(shù)支持對整個(gè)橫截面進(jìn)行單幀成像，這使得科學(xué)家能夠快速捕捉活細(xì)胞和生物體的顯微圖像與視頻。與其他光學(xué)成像技術(shù)相比，該技術(shù)可以減少激光對樣本的光損傷，從而實(shí)現(xiàn)對敏感樣本（如細(xì)胞、胚胎和組織）的長期成像。三維體可通過快速連續(xù)掃描獲取。

研究人員越來越多地采用這種先進(jìn)的成像技術(shù)來可視化細(xì)胞內(nèi)錯(cuò)綜復(fù)雜的結(jié)構(gòu)，并追蹤隱藏在胚胎起源中的發(fā)育秘密。但是，這些顯微鏡會(huì)生成 TB 級的海量復(fù)雜圖像，使得開展深入探究工作的科學(xué)家在進(jìn)行圖像分析時(shí)不堪重負(fù)。

海洋生物實(shí)驗(yàn)室的定制光片顯微鏡。

（圖片所有權(quán)：Emily Greenhalgh，海洋生物實(shí)驗(yàn)室）

這些問題為與Abhishek Kumar博士合作開發(fā)新工具的團(tuán)隊(duì)提供了指導(dǎo)。Abhishek Kumar是位于馬薩諸塞州伍茲霍爾的海洋生物實(shí)驗(yàn)室(MBL)的研究員兼陳-扎克伯格計(jì)劃成像科學(xué)家。他們正在使用MATLAB^?構(gòu)建這一新工具。

“MATLAB無疑是我們的理想選擇，因?yàn)閳D像是以矩陣和數(shù)組的形式存儲和操作的，無論是用于我們的實(shí)驗(yàn)室還是傳播，MATLAB都是編碼和打包這些工具最干凈、最高效的方式，”Kumar博士說道?！岸?，我們深知，每一次新版本的發(fā)布，都伴隨著出色的支持服務(wù)，以及嚴(yán)格的質(zhì)量保證?！?/p>

1 自動(dòng)執(zhí)行算法

“William Ramos計(jì)劃將我們通常在這些項(xiàng)目中涉及的所有內(nèi)容都整合到一個(gè)工具中，”Mautino說道?！笆褂眠@樣的工具，您只需按一下按鈕，就可以立即得到測試結(jié)果，從而節(jié)省大量時(shí)間。”

在采用各種圖像變換方法之前，Ramos還使用Image Processing Toolbox?執(zhí)行了各種預(yù)處理步驟。在此過程中，他結(jié)合使用了經(jīng)典的圖像處理算法和通過Deep Learning Toolbox? 訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò) (CNN)?！耙坏┧辛艘幌盗羞m用于特定項(xiàng)目數(shù)據(jù)的設(shè)置，我們就可以根據(jù)這些設(shè)置進(jìn)行批處理，”Mautino說道。

由于一些項(xiàng)目中光片顯微鏡每15分鐘或更長時(shí)間拍攝一次圖像，因此，研究人員要跟蹤的樣本部分位移很大，可能會(huì)超出視野。該實(shí)驗(yàn)室所開發(fā)的工具可以提供實(shí)時(shí)反饋并幫助定位樣本，使其不會(huì)漂移出視野。

光片顯微鏡工具還可以幫助CNN識別圖像中研究人員不想研究的部分，而該部分恰好又遮擋了他們想要分析的部分。例如，當(dāng)研究人員研究蒼蠅卵巢中的細(xì)胞骨架時(shí)，卵母細(xì)胞可能會(huì)在可視化過程中遮擋其他細(xì)胞的重要特征。研究人員通常需要從每幅圖像中手動(dòng)刪除卵母細(xì)胞。Ramos可以使用該工具在幾幀中選擇特定區(qū)域，然后訓(xùn)練神經(jīng)網(wǎng)絡(luò)將其從三維體數(shù)據(jù)時(shí)間序列的其余部分中刪除。

Ramos預(yù)見，光片顯微鏡工具也有助于數(shù)據(jù)縮減。為了實(shí)現(xiàn)更快的計(jì)算處理和分析，研究人員可將整個(gè)原始數(shù)據(jù)集縮減到相關(guān)的感興趣區(qū)域。這涉及檢測樣本運(yùn)動(dòng)，將數(shù)據(jù)移至中心位置，并裁剪掉無信息的背景區(qū)域。這種數(shù)據(jù)縮減方法會(huì)丟棄多余的像素，從而使計(jì)算資源得到更高效的利用。

“此工具的數(shù)據(jù)縮減功能非常有用，特別是在我們每天都要收集數(shù) TB 數(shù)據(jù)的情況下更是如此，”Mautino說道。

Ramos還構(gòu)建了自定義工具，用于對齊多通道數(shù)據(jù)，修復(fù)壞像素等偽影，并在采集過程中隨時(shí)可視化和過濾數(shù)據(jù)。根據(jù)具體項(xiàng)目，他還使用了OptimizationToolbox?、Image Acquisition Toolbox?以及Statisticsand Machine Learning Toolbox?。

“在這方面，我們的應(yīng)用高度模塊化，”Kumar博士說道?！八哂兄T多功能，其中許多工具都很常見且使用頻繁。您隨后可以添加更多獨(dú)特的步驟，例如特定的去噪模型或神經(jīng)網(wǎng)絡(luò)，具體視研究人員想要得到的結(jié)果而定?！?/p>

光片顯微鏡工具的前面板。

（圖片所有權(quán)：海洋生物實(shí)驗(yàn)室）

2 蝴蝶卵巢成像

這種端到端的工作流已取得成功，特別是在我們的協(xié)作者Nipam Patel博士和他的實(shí)驗(yàn)室成員研究蝴蝶卵巢如何發(fā)育的過程中顯示出效果。蝴蝶無比嬌弱，其卵巢更是如此。研究人員使用的光片顯微鏡設(shè)置經(jīng)過精心優(yōu)化，可以在40小時(shí)的成像過程中最大限度地減少樣本的光損傷。通常，僅在一個(gè)時(shí)間點(diǎn)就能產(chǎn)生0.5GB以上的數(shù)據(jù)。除了疲于應(yīng)對大量數(shù)據(jù)外，生物學(xué)家還需要消除圖像中的噪聲，因?yàn)槌上駰l件使得圖像中的噪聲比平時(shí)要多。隨著胚胎的發(fā)育和變化，圖像分割也必須有所改變。

Ramos使用了另一個(gè)經(jīng)過訓(xùn)練的CNN來識別和分割數(shù)據(jù)中的特定特征，例如刪除遮擋住部分圖像的卵黃。在Ramos手動(dòng)分割了162幅圖像后，該工具在幾分鐘內(nèi)即處理了其余的4,000幅圖像。據(jù)Ramos說，過去，僅手動(dòng)分割就需要長達(dá)10個(gè)小時(shí)，而今，他的流程不到半小時(shí)就完成了分割。

“我們的協(xié)作者對處理時(shí)間和圖像質(zhì)量非常滿意，”Ramos說道。

左圖：單視圖光片顯微鏡所拍攝的蝴蝶卵巢三維圖像堆疊的最大圖像強(qiáng)度投影。右圖：原始圖像堆疊經(jīng)過計(jì)算清理的版本的最大圖像強(qiáng)度投影。

（圖片所有權(quán)：Kyle Demarr和SophiaKelly，海洋生物實(shí)驗(yàn)室）

3 使用端到端

MATLAB的優(yōu)勢對該團(tuán)隊(duì)而言，從顯微鏡使用的軟件到可視化，一切都在MATLAB中構(gòu)建，因而圖像處理和分析功能比專有顯微鏡軟件更靈活。

“我們之所以使用MATLAB， 原因是它可與硬件對接，并且具有非常強(qiáng)大的數(shù)學(xué)功能，”Mautino 說道。

“然后，你可以想象一下，我們的許多顯微鏡由不同的硬件組成，每個(gè)硬件都需要自己的代碼，”Mautino說道?！斑@本身就會(huì)成為一項(xiàng)長期的工程。在這種情況下，MATLAB便能大顯身手，因?yàn)槟切┲圃焐桃言谑褂眠@款工具，他們還為我們開發(fā)了這些驅(qū)動(dòng)程序?！彼麄兪褂玫囊恍┫鄼C(jī)沒有官方支持的用Python編寫的控制軟件。

使用光片顯微鏡工具的目的是，讓盡可能多沒有編程專業(yè)知識的研究人員能夠使用高級分析方法。Kumar博士稱，在許多不同生物學(xué)科中，都可以應(yīng)用此類圖像分析工具。這些工具幫助協(xié)作者節(jié)省了數(shù)天手動(dòng)處理或等待其他研究人員處理圖像的時(shí)間。這

種簡易性也為高中生等非專業(yè)人士大開方便之門。Ramos表示，他們將很快在GitHub^?上通過共享用戶界面來推廣應(yīng)用，獲得相關(guān)的反饋，并推動(dòng)生物圖像分析工具的發(fā)展。

“如今，沒有先進(jìn)的圖像分析和圖像處理技術(shù)，完成成像項(xiàng)目簡直難以想象，”Kumar博士說道?！敖柚馄@微鏡分析工具，即使沒有編碼經(jīng)驗(yàn)和相關(guān)知識的人，也可以從所有這些復(fù)雜的工具中受益。因此，讓所有這些工具易于獲得和使用至關(guān)重要。”