當(dāng)前位置:全球制造網(wǎng) > 技術(shù)中心 > 所有分類
移動的三維結(jié)構(gòu)在活細(xì)胞中的全自動化跟蹤代表,是典型生物的圖像數(shù)據(jù)的分析幾個挑戰(zhàn)。 以從活伊樂藻葉片細(xì)胞葉綠體4D圖像數(shù)據(jù)作為一個例子,我們展示新的方法來應(yīng)對這些挑戰(zhàn)(圖1)。 葉綠體是令人驚訝的動態(tài)的細(xì)胞器:它們廣泛地移動整個細(xì)胞,它們經(jīng)常分割或保險絲,其形狀變化而不斷。 葉綠體動態(tài)的更詳細(xì)的了解需要葉綠體販運,分裂和融合的可靠量化。 我們使用SP5共聚焦顯微鏡(Leica Microsystems CMS GmbH)與雙通道圖像伊樂活葉細(xì)胞。 自動熒光用于跟蹤葉綠體和細(xì)胞壁是由反射檢測。
*個挑戰(zhàn)是信號從葉綠體和背景噪音始發(fā)之間的可靠分離。 Autoadaptive策略被用來計算適當(dāng)?shù)拈撝怠?/span> 第二個挑戰(zhàn)是個人葉綠體的檢測和從緊鄰的其他葉綠體的分離。 我們發(fā)現(xiàn)潛在的葉綠體種子和聘請當(dāng)?shù)氐拈撝岛托螤畹臉?biāo)準(zhǔn),同時保持它們與相鄰的葉綠體種子分離(圖2),依次種植這些種子。
圖2:被代表的中間步驟的思想探析,以說明主要策略。
葉綠體在3D檢測,使體積測量和形狀參數(shù)的評估。 第三個挑戰(zhàn)是葉綠體中隨時間的跟蹤。 個別葉綠體需要遵循整個4D數(shù)據(jù),以便設(shè)置為從緊密的空間接近度葉綠體,在下一時間幀鄰居之間的形態(tài)相似性,并依次增加的搜索范圍,以確保*佳的連接(圖3)。
圖3:插圖choroplast跟蹤的方法。 葉綠體在接下來的時間內(nèi)聯(lián)系到自己*親近的neigbour。 的搜索范圍被連續(xù)地增加。
我們表明,從4D圖像數(shù)據(jù)在伊樂藻葉片細(xì)胞葉綠體的全自動跟蹤是可能使用Definiens的網(wǎng)絡(luò)認(rèn)知技術(shù)。 我們有信心,我們采用的策略是很容易適用于許多其他生物圖像分析任務(wù)。