'''آنالیز تصاویر زیستی''' زیرشاخهای از '''[[بیوانفورماتیک]]''' و '''[[زیستشناسی محاسباتی]]''' است. تمرکز این زیرشاخه بر روی بررسی تصاویر زیستی، مخصوصا تصاویر سلولی و مولکولی با تعداد بالا، با استفاده از روشهای محاسباتی است. هدف از آنالیز این نوع تصاویر پیچیده و ناهمگون به دست آوردن دانشی سودمند است.<ref name=":0">{{Cite journal|date=2019-02-21|title=Bioimage informatics|url=https://en.wikipedia.org/w/index.php?title=Bioimage_informatics&oldid=884457322|journal=Wikipedia|language=en}}</ref>
به صورت مرسوم، آنالیز تصاویر زیستی به دست خود انسان انجام میشود. این روش کند و پرهزینه است و نتیجهٔ آن وابسته به شخصی است که تصاویر را آنالیز میکند. علاوه بر این، میکروسکوپهای خودکار مدرن قادر به تولید صدها تا هزاران تصویر در هر ساعت هستند، که آنالیز دستی این تصاویر را غیرممکن میکند.<ref>{{Cite journal|last=Coelho|first=Luis Pedro|last2=Glory-Afshar|first2=Estelle|last3=Kangas|first3=Joshua|last4=Quinn|first4=Shannon|last5=Shariff|first5=Aabid|last6=Murphy|first6=Robert F.|date=2010|editor-last=Blaschke|editor-first=Christian|editor2-last=Shatkay|editor2-first=Hagit|title=Principles of Bioimage Informatics: Focus on Machine Learning of Cell Patterns|url=https://link.springer.com/chapter/10.1007/978-3-642-13131-8_2|journal=Linking Literature, Information, and Knowledge for Biology|series=Lecture Notes in Computer Science|language=en|publisher=Springer Berlin Heidelberg|pages=8–18|doi=10.1007/978-3-642-13131-8_2|isbn=9783642131318978-3-642-13131-8}}</ref> به همین دلیل، به روشهای خودکار برای آنالیز این دسته از تصاویر روی آورده میشود. در برخی از موارد این سیستمهای خودکار از انسانها نیز بهتر عمل میکنند.
در چنین مسألههاییمسئلههایی با حجم بالایی از تصاویر از روشهای [[پردازش تصویر]]، بینایی ماشین، [[دادهکاوی]]، [[پایگاه داده]] و تصویرسازی برای استخراج، مقایسه، جستوجوجستوجو و مدیریت دانش زیستی استفاده میشود.<ref name=":0" />
== ماهیت دادهها ==
=== میکروسکوپ فلئورسانس ===
[[پرونده:TelophaseIF.jpg|بندانگشتی|تصویر فلورسنت یک سلول در [[تلوفاز]].]]
[[میکروسکوپ فلوئورسانس|میکروسکوپ فلئورسانس]] به صورت گستردهای در زیستشناسی و پزشکی استفاده میشود. از آن جایی که این نوع میکروسکوپ از ابزار پیچیدهتر و گرانتری نسبت به [[میکروسکوپ نوری|میکروسکوپهای نوری]] ساخته شدهشدهاست، است، به طوربهطور معمول از آن در جاهایی استفاده میشود که کیفیت و حساسیت بسیار بالایی نیاز باشد. این میکروسکوپ قادر به شناسایی اجزائی است که از رزولوشن میکروسکوپهای نوری کوچکتر هستند. از مهمترین کاربدهای این میکروسکوپ میتوان به مطالعهیمطالعهٔ سلولها و بافتها، ردیابی پروتئنها به وسیلهیوسیلهٔ روش [[پادتن]] فلئورسانس و مطالعهیمطالعهٔ [[اسید نوکلئیک|اسید نوکلئیکها]]ها با استفاده از [[هیبریداسیون درجا]] اشاره کرد.<ref>{{یادکرد وب|عنوان=Fluorescence Microscopy - an overview {{!}} ScienceDirect Topics|نشانی=https://www.sciencedirect.com/topics/biochemistry-genetics-and-molecular-biology/fluorescence-microscopy|وبگاه=www.sciencedirect.com|بازبینی=2019-07-25}}</ref>
برای تهیهیتهیهٔ تصویر از مولکولهای هدف باید آنها را با استفاده از [[پروتئین فلورسنت سبز]]، یا گونهیگونهٔ دیگری از پروتئین فلورسنت و یا با پادتن فلورسنت برچسبگذاری کرد. از انواع میکروسکوپهایی که استفاده میشوند میتوان به میدان گسترده، [[:en:Confocal_microscopy|کانفوکال]] و دو فتونی اشاره کرد.<ref name=":0" />
میکروسکوپهای خودکار میتوانند تعداد زیادی تصویر را به صورت خودکار تهیه کنند که این عمل نسبت به آنالیز با چشم سرعت بالاتری دارد. با این وجود از آنجایی که این فرآیندفرایند به صورت خودکار انجام میشود میتواند دارای خطا باشد. به همین دلیل آنالیز این تصاویر نسبت به تصاویر تهیه شده به صورت غیرخودکار سختتر است. از طرفی دیگر، در صورتی که این فرآیندفرایند توسط یک شخص انجام شود ممکن است [[سوگیری]] آن شخص در نتایج تاثیرتأثیر گذاشته باشد.<ref name=":0" />
=== بافتشناسی ===
[[پرونده:Alveolar microlithiasis 2.jpg|بندانگشتی|نمونهای از یک تصویر بافتشناسی.]]
در [[بافتشناسی]] قطعههای بافت علامتگذاری شده و سپس در زیر میکروسکوپ بررسی میشوند. بر اساس این تصاویر میتوان به محل قرارگیری زیرسلولی پروتئینهای علامتگذاری شده نیز پی برد.<ref name=":0" />
▲== مسألههایمسئلههای مهم ==
=== آنالیز محلی زیرسلولی ===
[[پرونده:SubcellularLocationClassification.png|بندانگشتی|نمونهای از محل زیرسلولی. در این مثال الگوهای مختلف با محاسبهیمحاسبهٔ ویژگیهای تصویری به فضای دوبعدی برده شدهاند. تصویر پروتئینهای ناشناس با استفاده از یک دستهبندیکننده دستهبندی میشود.]]
آنالیز محلی زیرسلولی یکی از مسألههایمسئلههای اولیه در این شاخه بوده استبودهاست. در حالت [[یادگیری با نظارت|با نظارت]] آن، هدف مسألهمسئله یافتن دستهبندیکنندهای است که بتواند اندامکهای اصلی سلول را در تصاویر تشخیص دهد. روشهایی که برای این مسألهمسئله استفاده میشوند بر پایهیپایهٔ یادگیری ماشین هستند و سعی در ساخت یک دستهبندیکننده بر اساس ویژگیهای عددی به دست آمده از تصویر دارند. این ویژگیها میتوانند ویژگیهای کلی مورد استفاده در بینایی ماشین باشند و یا به طوربهطور مخصوص بر اساس عاملهای زیستی به دست آمده باشند.<ref name=":0" />
علاوه بر تحقیقات [[زیستشناسی یاختهای|زیستشناسی سلولی]]، این مسألهمسئله در مکانیابی پروتئین در سلول نیز کاربرد دارد. این مکانیابی کمک شایانی به فهم عملکرد پروتئین و شبکههای تنظیمکنندهیتنظیمکنندهٔ آن در سلول میکند.<ref>{{Cite journal|last=Kankanamge|first=Dinesh|last2=Ratnayake|first2=Kasun|last3=Senarath|first3=Kanishka|last4=Tennakoon|first4=Mithila|last5=Harmon|first5=Elise|last6=Karunarathne|first6=Ajith|date=2019-7|title=Optical approaches for single-cell and subcellular analysis of GPCR–G protein signaling|url=http://link.springer.com/10.1007/s00216-019-01774-6|journal=Analytical and Bioanalytical Chemistry|language=en|volume=411|issue=19|pages=4481–4508|doi=10.1007/s00216-019-01774-6|issn=1618-2642|pmc=PMC6612303|pmid=30927013}}</ref> تصاویر دوبعدی در مقایسه با رشتهیرشتهٔ یکبعدی اسید آمینهها اطلاعات بسیار بیشتری را برای شناختن ویژگیهای حرکتی پروتئین در اختیارمان میگذارند.<ref>{{Cite journal|last=Xu|first=Ying-Ying|last2=Yao|first2=Li-Xiu|last3=Shen|first3=Hong-Bin|date=2018-2|title=Bioimage-based protein subcellular location prediction: a comprehensive review|url=http://link.springer.com/10.1007/s11704-016-6309-5|journal=Frontiers of Computer Science|language=en|volume=12|issue=1|pages=26–39|doi=10.1007/s11704-016-6309-5|issn=2095-2228}}</ref>
=== بخشبندی ===
[[پرونده:Gnf-segmented-41-closeup.png|بندانگشتی|220x220پیکسل|مثالی از مسألهٔ بخشبندی هستهٔ سلول. در این تصویر مرزهای هستهها و ناحیهٔ مربوط به هر هسته مشخص شدهاست.]]
[[بخشبندی تصویر|بخشبندی]] سلولها یکی از مهمترین زیرمسألهها در این شاخه است که در مسائل دیگر از آن استفاده میشود. در برخی موارد به این مسألهمسئله به عنوان مسألهایمسئلهای مستقل نیز پرداخته میشود. هدف این مسألهمسئله مشخص کردن مرزهای سلولها در تصاویر چندسلولی است. این بخشبندی به ما امکان بررسی هر سلول به طوربهطور جداگانه را میدهد. در بسیاری از تصاویر هستهیهستهٔ سلول علامتگذاری شده است،شدهاست، که در این موارد هستهیهستهٔ سلول بخشبندی میشود. این مسألهمسئله نیز میتواند به صورت مستقل سودمند باشد و یا از آن در پایهگذاری [[آبپخشان (پردازش تصویر)|آبپخشان]] استفاده کرد که به بخشبندی تصویر اصلی منجر میشود.<ref name=":0" />
=== ردیابی ===
ردیابی یکی دیگر از مسائل مرسوم پردازش تصویر است که در آنالیز تصاویر زیستی نیز مطرح میشود. در این مسألهمسئله به یافتن روابط بین اجزاء در فریمهای مختلف یک فیلم پرداخته میشود.<ref name=":0" />
حرکت یک عملکرد ضروری در سیستم سلولی است. فعل و انفعالات شیمیایی پروتئینها وابسته به حرکات میکروسکوپی آنها است که به انتشار، انتقال و برخورد آنها خلاصه میشود. [[وزیکول|وزیکولهای]]های حامل پروتئین به مکانهای خاصی در سلول برای انجام وظیفهشان حرکت میکنند. کروموزومها نیز برای جدا شدن در [[تقسیم یاخته|تقسیم سلولی]] باید حرکت کنند. خود سلولها هم در ساختار چندسلولی حرکت میکنند. اطلاعاتی که اندازهگیری این حرکات مختلف به ما دربارهیدربارهٔ سیستم سلولی میدهد اجتنابناپذیر است. پردازش تصویر دیجیتال به روشی متداول برای آنالیز کردن این حرکات در زیستشناسی سلول تبدیل شده استشدهاست. روشهای زیادی برای مسألهیمسألهٔ ردیابی ارائه شدهاند. از جمله روشهای ارائه شده میتوان به کانتور فعال، آستانهگذاری و روشهای پردازش ویدئو اشاره کرد. <ref>{{یادکرد کتاب|عنوان=Tracking Movement in Cell Biology|پیوند=https://doi.org/10.1007/b102218}}</ref>
== موضوعات مرتبط ==
* [[بازشناخت الگو|تشخیص الگو]] ▼
* [[میکروسکوپ فلوئورسانس|میکروسکوپ فلئورسانس]] ▼
▲*[[بازشناخت الگو|تشخیص الگو]]
* [[زیستشناسی محاسباتی]] ▼
▲*[[میکروسکوپ فلوئورسانس|میکروسکوپ فلئورسانس]]
▲*[[زیستشناسی محاسباتی]]
== منابع ==
{{پانویس|۲}}
<references />
|