一个新的“图像分析管道”让科学家们快速了解疾病或损伤如何改变身体，直到单个细胞。

它被称为 TDAExplore，它采用显微镜提供的详细成像，将其与称为拓扑学的数学热门领域配对，它提供了关于事物如何排列的洞察力，以及人工智能的分析能力，例如，提供了一个新的视角佐治亚医学院细胞生物学家和神经科学家 Eric Vitriol 博士说，由 ALS 引起的细胞的变化以及它们发生在细胞中的位置。

这是使用个人计算机从显微图像中生成定量的、可测量的、因此客观的信息的“可访问的、强大的选择”，这些信息可能也适用于其他标准成像技术，如 X 射线和 PET 扫描，他们在期刊Patterns 中报告。

“我们认为这是使用计算机为我们提供有关图像集彼此不同的新信息的令人兴奋的进步，”Vitriol 说。“正在发生的实际生物学变化是什么，包括那些我可能看不到的变化，因为它们太微小了，或者因为我对我应该看的地方有某种偏见。”

这位神经科学家表示，至少在分析数据部门，计算机比我们的大脑更胜一筹，不仅体现在其客观性方面，还体现在它们可以评估的数据量方面。计算机视觉使计算机能够从数字图像中提取信息，是一种已经存在了数十年的机器学习类型，因此他和他的同事兼通讯作者、佛罗里达大学数学家、专家彼得·布贝尼克博士 (Dr. Peter Bubenik)在拓扑数据分析方面，决定将显微镜的细节与拓扑科学和人工智能的分析能力合作。Vitriol 说，拓扑和 Bubenik 是关键。

拓扑对于图像分析来说是“完美的”，因为图像由排列在空间中的物体的图案组成，他说，拓扑数据分析(TDAExplore 中的 TDA)帮助计算机也识别土地的位置，在这种情况下，肌动蛋白 - - 蛋白质和纤维或细丝的基本组成部分，有助于赋予细胞形状和运动 - 已移动或改变密度。这是一个高效的系统，它可以学习 20 到 25 张图像，而不是用数百张图像来训练计算机如何识别和分类它们。

部分神奇之处在于计算机现在正在学习他们称之为补丁的碎片。他们写道，将显微镜图像分解成这些片段可以实现更准确的分类，减少对计算机“正常”外观的训练，并最终提取有意义的数据。

毫无疑问，显微镜可以对人眼不可见的事物进行仔细检查，产生美丽、详细的图像和动态视频，这是许多科学家的支柱。“如果没有先进的显微镜设备，你就不能拥有一所医学院，”他说。

但是要首先了解什么是正常的以及在疾病状态下会发生什么，Vitriol 需要对图像进行详细分析，例如细丝的数量;细丝在细胞中的位置——靠近边缘、中心、分散在各处——以及某些细胞区域是否有更多。

在这种情况下出现的模式告诉他肌动蛋白在哪里以及它是如何组织的——这是其功能的一个主要因素——以及它在哪里、如何以及是否随着疾病或损伤而改变。

例如，当他观察中枢神经系统细胞边缘周围的肌动蛋白簇时，这种组合告诉他细胞正在扩散、移动并发出成为其前沿的投影。在这种情况下，基本上在培养皿中处于休眠状态的细胞可以展开并伸展双腿。

科学家直接分析图像并计算他们所看到的内容的一些问题包括它很耗时，而且即使是科学家也有偏见的现实。

举个例子，尤其是在发生如此多的动作时，他们的眼睛可能会落在熟悉的地方，在 Vitriol 的情况下，即位于细胞前沿的肌动蛋白。当他再次查看细胞外围的暗框时，清楚地表明肌动蛋白聚集在那里，这可能意味着这是主要的作用点。

“当我决定什么不同时，我怎么知道它是最不同的东西，或者这正是我想看到的?” 他说。“我们希望为它带来计算机的客观性，我们希望将更高程度的模式识别带入图像分析中。”