MATLAB 助力香港中文大学解决生物医学图像处理挑战

全球领先的数学计算软件开发商 MathWorks 今日宣布，香港中文大学（下文简称：港中大）一支研究团队采用 MATLAB®、Medical Imaging Toolbox™ 和 Image Processing Toolbox™ 加速了生物医学图像处理工作流程。借助 MathWorks 的软件，研究人员高效地对万亿体素级别的图像进行了分割和分析，以往这些任务需要高端计算基础设施和大量手动编程。此次突破使研究人员能够在极短的时间内处理海量数据集，为实时诊断铺平了道路，将有望显著提升临床决策能力。

港中大开发了有效探索和绘制生物结构和分子组成的方法。该方法开发的核心在于图像处理，它需要能够灵活处理多维图像和大型体素数据集。为此，由港中大医学院化学病理学系临床助理教授黎曦明教授带领的团队，广泛使用 MATLAB®、Medical Imaging Toolbox™ 和 Image Processing Toolbox™ 中的功能。MATLAB 中的 Cellpose 算法和 blockedImage 函数使研究人员能够在单个脚本中完成图像处理与分割，从而加速万亿体素图像的分割与分析。使用 blockedImage 可将大图像解析为更小的堆栈，从而无需昂贵的高端计算机，并减少编程时间和错误。

“我们选择了 MATLAB 是因为希望在一个单一环境中完成整个流程，”黎教授表示。“其编程环境提供了简化的流程、全面的文档以及可靠的技术支持，使我们能够有效处理庞大的数据集。MATLAB 中 blockedImage 和 cellpose 非常契合我们的工作流，因为在其他经典的图像处理算法之外，我们还希望在单个脚本中同时进行图像处理和分割。这个工作流程让原本艰巨的细胞分割任务变得可能，且无需投入大量的人力。”

在港中大发表在“Nature”的最新研究中，他们有两个使用 MATLAB 中的 cellpose 进行分析的 3D 图像数据集。其中一个有 10 万亿体素和 28 个通道，代表约 100 万个细胞，需要进行分割和细胞分型分析。第二个数据集是约 800 GB 的小鼠全脑图像，需要对神经元体进行全局分割，并配准到艾伦脑图谱。

黎教授团队使用 MATLAB 中的 cellpose 对经过阈值处理和背景扣除的图像进行分割，并借助 blockedImage 获得细胞掩膜，然后分析每个细胞的分子表达谱。获得 3D 28 重图像的细胞掩膜后，就能够分析25个选定标记的免疫染色强度，这些标记用于细胞类型分类，所有操作均在 MATLAB 中的单个脚本中完成。

港中大希望将这项技术进一步推广到临床应用中，实时图像处理将带来更高效的患者诊断。MathWorks 中国区医疗行业首席技术官单博表示：“巨幅图像尤其是高分辨率病理显微切片的处理，对于存储和计算都是巨大的挑战。港中大的解决方法采用了 blockedImage 针对巨幅图像处理的功能，从低分辨率图像中提取掩膜 ROI 区域，从而大大降低了计算量；随后基于 blockedImage 巨幅图像处理的框架，采用 cellpose 的 AI 模型进行分割和处理。这使原本艰巨的挑战变为现实。非常荣幸，MATLAB 能在这样高水平的生物医学创新研究中出一份力。”

MathWorks 生物科学专家及学术支持工程团队提供的全方位支持对于项目的成功至关重要。MathWorks 中国区教育行业总负责人李庆节强调：“这正是 MathWorks 教育团队对全校园授权（Campus-Wide License）的合作高校进行科研支持的典型案例，充分体现了我们在中国高校教学与科研项目中所秉承的‘道（把复杂问题简单化的计算思维）、法（运用AI进行跨学科的数据驱动范式）、术（技巧）、器（工具箱与技术）、人（本地与总部技术团队）’五位一体的技术支持理念。我们期待未来能与更多研究人员开展合作。”