全球領(lǐng)先的數(shù)學計算軟件開發(fā)商 MathWorks 今日宣布，香港中文大學（下文簡稱：港中大）一支研究團隊采用 MATLAB?、Medical Imaging Toolbox? 和 Image Processing Toolbox? 加速了生物醫(yī)學圖像處理工作流程。借助 MathWorks 的軟件，研究人員高效地對萬億體素級別的圖像進行了分割和分析，以往這些任務需要高端計算基礎(chǔ)設施和大量手動編程。此次突破使研究人員能夠在極短的時間內(nèi)處理海量數(shù)據(jù)集，為實時診斷鋪平了道路，將有望顯著提升臨床決策能力。

港中大開發(fā)了有效探索和繪制生物結(jié)構(gòu)和分子組成的方法。該方法開發(fā)的核心在于圖像處理，它需要能夠靈活處理多維圖像和大型體素數(shù)據(jù)集。為此，由港中大醫(yī)學院化學病理學系臨床助理教授黎曦明教授帶領(lǐng)的團隊，廣泛使用 MATLAB?、Medical Imaging Toolbox? 和 Image Processing Toolbox? 中的功能。MATLAB 中的 Cellpose 算法和 blockedImage 函數(shù)使研究人員能夠在單個腳本中完成圖像處理與分割，從而加速萬億體素圖像的分割與分析。使用 blockedImage 可將大圖像解析為更小的堆棧，從而無需昂貴的高端計算機，并減少編程時間和錯誤。

“我們選擇了 MATLAB 是因為希望在一個單一環(huán)境中完成整個流程，”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，因為在其他經(jīng)典的圖像處理算法之外，我們還希望在單個腳本中同時進行圖像處理和分割。這個工作流程讓原本艱巨的細胞分割任務變得可能，且無需投入大量的人力。”

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

黎教授團隊使用 MATLAB 中的 cellpose 對經(jīng)過閾值處理和背景扣除的圖像進行分割，并借助 blockedImage 獲得細胞掩膜，然后分析每個細胞的分子表達譜。獲得 3D 28 重圖像的細胞掩膜后，就能夠分析25個選定標記的免疫染色強度，這些標記用于細胞類型分類，所有操作均在 MATLAB 中的單個腳本中完成。

港中大希望將這項技術(shù)進一步推廣到臨床應用中，實時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，對于存儲和計算都是巨大的挑戰(zhàn)。港中大的解決方法采用了 blockedImage 針對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，從而大大降低了計算量；隨后基于 blockedImage 巨幅圖像處理的框架，采用 cellpose 的 AI 模型進行分割和處理。這使原本艱巨的挑戰(zhàn)變?yōu)楝F(xiàn)實。非常榮幸，MATLAB 能在這樣高水平的生物醫(yī)學創(chuàng)新研究中出一份力。”

MathWorks 生物科學專家及學術(shù)支持工程團隊提供的全方位支持對于項目的成功至關(guān)重要。MathWorks 中國區(qū)教育行業(yè)總負責人李慶節(jié)強調(diào)：“這正是 MathWorks 教育團隊對全校園授權(quán)（Campus-Wide License）的合作高校進行科研支持的典型案例，充分體現(xiàn)了我們在中國高校教學與科研項目中所秉承的‘道（把復雜問題簡單化的計算思維）、法（運用AI進行跨學科的數(shù)據(jù)驅(qū)動范式）、術(shù)（技巧）、器（工具箱與技術(shù)）、人（本地與總部技術(shù)團隊）’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。”

審核編輯 黃宇