理化学研究所脳科学総合研究センターにおいて,私は同僚とともに,哺乳動物の中枢神経系で高度に統制されたネットワークはどのように形成され,さらにはそれらがどのように環境や遺伝的要因の影響を受けているかについて調査しています。私たちは,研究の一環として遺伝学的手法を用いた遺伝子変異マウスを作製し,その行動表現型を調べており,それらの実験結果より,脳の領域が臭い,音,光などの外部刺激にどのように反応するかを分析することによって,特定の遺伝子と行動を結び付けています。注意および衝動性に内在する分子や細胞の仕組みを解明し,それに関連する行動障害の治療を促進するのが目標の1つです。
私たちは,脳の特种の领域におけるを定定化に,脳スライス撮像と,神経神経との指标认识れるタンパク质であるc-fosの発现検出ためのの抗体ています。染料染料によって活性细胞が黒く染まる,脳脳の顕微(図1)
画像解析では,数千もの画像内に含まれる何百ものスポットを数えるという,神経科学と生物学の研究室でよくみられる課題に直面しました。私たちのチームは,MathWorksのコンサルタントと協力し,関連するスポットの検出を自動化し,研究室で画像データを管理するのに使用されるプロセスを合理化するMATLAB®アプリケーションを開発しました。このアプリケーションのおかげで,単一の画像を解析するのに必要な時間が100分の1まで短縮され,研究室で分析できるサンプルの数が増大し,手動による検査では見落としていたスポットを特定し,データ管理を簡素化させることに成功しました。
手動による画像解析
研究室で処理される典型的な画像には300 ~ 400個のスポットが含まれているため,理研の研究者は,それぞれの画像を解析するのにほとんどの場合に15分以上を費やしていました。被験体ごとに約100枚の画像を解析する必要があるので,たった1匹のマウスの画像を処理するのに丸1日かかっていました。そのような作業は単調で,しかも結果が偏ったり,主観性に左右されたりしがちでした。たとえば,画像にたくさんのスポットが含まれている場合など,より少ないスポットが含まれる画像では無視されるような暗い領域を数に入れてしまう傾向があることが判明しました。
私たちのチームは,1つの画像をを定理するのに必要な労力量に加え,対象となるの画像データデータや追迹もかなりののをやしいものののをていたた。时尚,ファイルが间隔た场所に一时,さらなる解析が必要画像を追迹するのが困难でし。
Mathworks,Matlabおよび图像处理工具箱Mathworksのコンサルタントにためにに,Matlabおよびコンサルタント相谈しまし使およびするで,スポット使使するで,スポットを自动的のしためためおよびおよびことでましましたましましましましましましましましましましましましましましましましたワークフローを合理化するのに役立つようなアプリケーションの开発を提案しました。
しきい値を特定するためにアルゴリズムの開発
画像内で対象部位を特定する手順としては,ある値を超えた暗い領域はスポットとみなされるような画素の輝度のしきい値を決めることが重要です。いったんこのしきい値が決まると,それぞれのスポットが完全に白で,背景が完全に黒(それぞれ1と0で表される)であるようなバイナリ形式に元のグレースケールの画像を変換するのにそのしきい値が使用されます。しかしながら,このしきい値は,画像ごとに異なります。さらに重要なことは,しきい値を特定するのに最も効果的な手法が画像ごとに異なる可能性があるという点です。
MathWorksのコンサルティングチームは,しきい値を見つけるための4つの異なるアルゴリズムを実装しました。1番目のアルゴリズムは,图像处理工具箱のgraythresh
関数を使用して,大津法を適用します。これは,黒と白のピクセルの級内分散を最小限にするしきい値を特定します。2番目のアルゴリズムは,しきい値の両端の画素の割合がグローバルな強度分散の関数のなるように,グローバル画素の密度に基づいてしきい値を選択します。3番目のアルゴリズムは,2番目と同じ方法を使用しますが,グローバルではなくローカルな強度差異に基づきます。4番目のアルゴリズムは,3番目と同じ方法を使用しますが,多くのドットが互いに触れ合うような画像において,より正確に数えられるように,つながっている点を分離するための追加手順を適用します。
画像の前処理と後処理
MATHWORKSのコンサルタントは,しきい値を设定するために开放されたアルゴリズムにててさささ画像をとさのに性をととせる手顺を実とたの手顺実実たまし。
前処理の手順では,コントラストと輝度を調整することでハレーション効果を低減し,ローパスフィルターを使用してノイズを低減し,モルフォロジー演算によってスポットのエッジを平滑化します。二値画像に適用される後処理の手順には,ノイズと無関係なエッジからスポットを区別する中央値フィルタリングとモルフォロジー演算が含まれています。
后管理のの,画像画像粒子解析が実施され,暗いスポットの数をカウントし,残っている大きな暗い領域や背景のノイズを除去します。
コンサルタントが数百の画像に関して,前処理,しきい値処理,後処理,および粒子解析の操作をテストし,アルゴリズムに磨きをかけ,パラメータを微調整しました。
グラフィカルインターフェイスの構築
理研の研究者が画像処理アルゴリズムを簡単に使用できるようにするために,コンサルティングチームはMATLABベースのインターフェイス(図2)を開発しました。
私たちは,処理対象の画像をロードしてから,インターフェイスを使用して画像内の関心領域(ROI)(図3)をマークしました。
その後,目的のしきい値アルゴリズムを選択し,画像処理アルゴリズムを呼び出します。アルゴリズムによって特定されたスポットがカウントされ,レビュー用に画面上にまとめられます。時々,ある特定の画像に関して最も効果的な方法で生成された結果を使用する前に,別のしきい値法を用いて画像を速やかに再処理します。
最後の手順として,結果を保存するMATLABまたは微软®Excelファイルを指定します。これらのファイルには,スポットの数,検体番号,日付,しきい値法,使用されたROIが含まれています。
研究を加速させる
新しいMATLAB画像処理アプリケーションを使用することで,以前は15分かかっていた画像の解析を秒単位まで大幅に短縮できます。以前,私たちのチームは,脳の全領域(約100枚)の神経画像解析を行うことは滅多にありませんでした。時間と労力がかかり過ぎたからです。MATLABを使用することで、この操作には何日も要することなく、数分で完了できるようになりました。同様に重要なこととして、肉眼では検出不可能なスポットを検出アルゴリズムが特定するので、より良い結果が得られるようになりました。
自動化されたMATLABシステムによって,面倒な計数作業にかかる時間が大幅に削減されま
した。私たちは,そのような作业から解放れたことで,重要な研ことででの労労と知识をになりました。これにより生命ました。与えられた外部刺激解析に脳内の最も适切な(roi)を検出するため脳脳のスクリーニング异なった子改変されたた比较さたたののなどですです比较などです。
私たちは,カルシウム指示薬を使用して,染色画像における特定の刺激に対する生細胞の反応を強調するような研究,および生体内信号解析などを使用する研究など,似たような研究の取り組みについて,MATLABを使用した画像処理の自動化を実装することを計画しています。