Desarrollo de un plugin de FIJI para el análisis de imágenes segmentadas previamente con Deep learning: aplicación en un modelo de regeneración de músculo esquelético.

ARIEL WAISMAN; ALESSANDRA NORRIS; MARTIN ELIAS COSTA; DANIEL KOPINKE

Congreso; Reunión de la Sociedad Argentina de Investigación Clínica; 2020

El análisis cuantitativo de imágenes de microscopía de fluorescencia tiene un rol fundamental en biología y medicina. Uno de los desafíos mas grandes en el campo es detectar células marcadas con distintas tinciones de forma automática. El desarrollo reciente de algoritmos de aprendizaje profundo o deep learning como Cellpose están revolucionando el campo y nos acercan a la amplia adopción de técnicas de citometría de imágenes. Sin embargo, este algoritmo devuelve sus resultados en formato de imágenes etiquetadas, y su utilización está por ende limitada a personas con conocimientos en programación. El objetivo de este trabajo fue desarrollar un plugin para el software FIJI/ImageJ que permitiera la utilización de segmentaciones generadas en Cellpose por científicos con conocimientos básicos en análisis de imágenes. Nuestro plugin extrae los objetos de las imágenes etiquetadas y los devuelve en forma de regiones de interés o ROIs. Comprobamos su funcionamiento en imágenes de corte transversal de músculo esquelético de ratón marcadas para laminina o teñidas con faloidina o WGA. Cellpose permitió identificar miles de fibras musculares en cada imagen. Sin embargo, las mediciones de área de sección transversa (CSA) de las fibras estaban fuertemente sesgadas por el tipo de tinción utilizada, siendo hasta un 30% mayores a las obtenidas mediante segmentación manual. La incorporación a nuestro plugin de una herramienta de erosión de las segmentaciones permitió corregir ese sesgo, haciendo que estas sean prácticamente indistinguibles de las generadas manualmente por expertos. Comprobamos la utilización de Cellpose junto a nuestro plugin en ensayos de daño y regeneración muscular, donde hay un cambio global del CSA promedio. Teniendo en cuenta que la segmentación manual de cada imagen puede llevar días, la utilización de Cellpose y de nuestro plugin permite un ahorro muy significativo de tiempo y la amplia adopción por parte de usuarios sin conocimientos en programación.