Perinteisesti valomikroskooppikuvia ja histologisia leikkeitä on käytetty yksittäisinä kuvina. Tutkimuksessaan Kaisa Liimatainen hyödyntää näitä kuvatyyppejä kolmiulotteisessa kontekstissa. Fokuspinot ja 3D-histologia tuovat uusia mahdollisuuksia biolääketieteen analyysiin.
Fokuspinot koneoppimiseen pohjautuvassa solutunnistuksessa
Solujen muoto vaikuttaa siihen, miten solut erottuvat samasta kohteesta eri polttopisteillä otetuissa kuvissa eli fokuspinossa. Tietyt solut on helppo löytää yksinkertaisilla menetelmillä hyvinkin epätarkoista kuvista, kun taas toiset eivät erotu, jos kuva on epätarkka. Lähtökohtana solutunnistusalgoritmin kehityksessä oli, että vain yhtä solulinjaa käytetään ohjatussa esiopetuksessa, ja malli mukautetaan muille solulinjoille ohjaamattomasti.
– Halusin kehittää koneoppimisalgoritmin, joka on paitsi nopea opettaa, myös vähentää tarvetta käsin tehtävään solujen merkitsemiseen opetusta varten, Liimatainen perustelee.
Menetelmässä tuntemattomien solulinjojen ennusteista luodaan pseudo-vasteita, joita käytetään manuaalisen annotoinnin korvaajina. Tällä ohjaamattomasti mukautuvalla algoritmilla pystytään tunnistamaan soluja tarkasti jopa tiheäksi kasvaneista soluviljelmistä.
3D-histologia avautuu virtuaalitodellisuudessa
Tutkimuksessa visualisoitiin syöpäkasvaimia sisältäviä hiirten eturauhasia. Koska leikkeille on usein muita käyttökohteita, sarjaleikkeistä kuvattiin vain osa, jolloin muodostui niin kutsuttuja harvoja kuvapinoja. 3D-histologian visualisointiin suunnattu virtuaalitodellisuusohjelma kehitettiin Unreal Engine -pelimoottorilla. Tutkimuksessa selvitettiin myös virtuaalitodellisuuden tuomia hyötyjä 3D-histologian visuaalisessa analyysissa. Rakenteiden 3D-mallinnus harvasta kuvapinosta toi oman haasteensa tutkimukseen, ja useita olemassa olevia menetelmiä testattiin.
– Päädyin toteuttamaan harvoille kuvapinoille suunnitellun 3D-mallinnusalgoritmin, jonka avulla mallit voidaan luoda ajon aikana suoraan kuvapinoista. Kun mallien luontiin ei tarvita erillistä ohjelmaa, uusien näytteiden visualisointi on helppoa, Liimatainen selventää.
Dataa on hyödynnetty monin tavoin, ja VR-ohjelmassa voidaankin interaktiivisesti tutkia muun muassa teksturoituja 3D-malleja, kohdennettuja ja rajattuja histologisia leikkeitä, laskennallisia piirteitä sekä virtuaalivärjäyksiä.
– Virtuaalitodellisuudessa on helppo havainnoida esimerkiksi trendejä kasvainten sijoittumisessa eturauhasessa, ja 3D-mallien sisään sijoitetuista leikkeistä nähdään kasvaimen koostumus sen koko syvyydessä, Liimatainen kuvailee.
Vesilahtelainen Kaisa Liimatainen työskentelee tällä hetkellä 3D-mikroreologian parissa Tampereen yliopistossa.
Väitöstilaisuus torstaina 31. lokakuuta
Diplomi-insinööri Kaisa Liimataisen biolääketieteen tekniikan alaan kuuluva väitöskirja Biomedical Image Stack Analysis with Machine Learning and Virtual Reality tarkastetaan julkisesti Tampereen yliopiston lääketieteen ja terveysteknologian tiedekunnassa torstaina 31. lokakuuta klo 12 alkaen. Paikkana on Arvo-rakennuksen Jarmo Visakorpi -sali (Arvo Ylpön katu 34). Vastaväittäjänä toimii apulaisprofessori Mireia Crispin-Ortuzar Cambridgen yliopistosta. Kustoksena toimii apulaisprofessori Pekka Ruusuvuori Tampereen yliopistosta.