רישום לא-קשיח אוטומטי ועמיד של תמונות מיקרוסקופיות של חתכים סדרתיים באמצעות PiCNoR

להתבונן ברקמות בתלת-ממד בלי לאבד פרטים

הביולוגיה המודרנית מסתמכת לעתים קרובות על הפיכת פרוסות דקות של רקמה לתצוגות תלת-ממדיות של איברים ומוחות. אבל כאשר כל פרוסה מיקרוסקופית נחתכת, נצבעת ומצטלמת, היא עלולה להתמתח, לקרוע או לזוז. אם פרוסות אלו אינן מיושרות כראוי, התמונה התלת-ממדית שנוצרת עלולה להטעות. מאמר זה מציג שיטה חישובית חדשה בשם PiCNoR המסייעת למדענים ליישר תמונות כאלה באופן מדויק ואוטומטי, כך שמבנים עדינים בעוברים ובמוח נשמרים בהרכבות התלת-ממדיות.

מדוע יישור פרוסות כל כך קשה

כדי לבנות תצוגה תלת-ממדית, חוקרים מצטלמים רצפי פרוסות דקות מאוד שנלקחו מאותו חתיכת רקמה. בתיאוריה כל פרוסה צריכה להתאים בדיוק מעל הקודמת, כמו קלפים בערימה מסודרת. במציאות כל פרוסה עלולה לעוות בצורה מעט שונה במהלך החיתוך והצביעה. צבעים עלולים להשתנות, חלקים עלולים להימתח ותכונות עלולות לזוז. שיטות יישור “קשיחות” מסורתיות מניחות שכל הפרוסה כולה רק זזה או מסתובבת, וזה לעתים קרובות אינו מספיק. קיימות שיטות גמישות יותר, “אלסטיות”, אך הן יכולות להיות איטיות, לדרוש כוונון קפדני על ידי מומחים או להיות תלותיות בכוח בהירות התמונה, שיכול להשתנות מפרוסה לפרוסה.

גישה חדשה: חלקים מקומיים שעובדים ביחד

PiCNoR נוקטת בזווית שונה, מקומית יותר, לבעיה. במקום לנסות לעקם את התמונה כולה בבת אחת, השיטה מחלקת תחילה כל פרוסה לאזורים רבים על בסיס תבנית התכונות בתמונה. בתוך כל אזור, השיטה מוצאת נקודות תואמות בין שתי פרוסות שכנות באמצעות גלאי תכונות עמידים ומעריכה כיצד אותו אזור חייב להסתובב ולהזיז כדי להתיישר. תנועות מקומיות אלה נבדקות אחר כך עבור סבירות ומשולבות בעדינות, כך שלכל פיקסל בפרוסה יש תנועה המתמזגת באופן חלק עם המידע מהאזורים הסמוכים. התוצאה היא יישור לא-קשיח וגמיש שממשיך לנהוג באופן מבוקר וריאלי.

להניח לנתונים לבחור את המורכבות המתאימה

אתגר מרכזי בכל שיטה מבוססת-אזורים הוא להחליט כמה אזורים יש להשתמש: מעט מדי והמתודולוגיה לא תוכל לתקן עיוותים עדינים; רב מדי והיא הופכת לבלתי יציבה ולאיטית. גישות קודמות רבות הסתמכו על ניסוי וטעייה, בדיקה חוזרת של איכות התוצאה באופן ויזואלי. PiCNoR נמנעת מהכוונון הידני הזה על ידי שימוש בכלי סטטיסטי הנקרא קריטריון המידע של בייסיאן, שמאזן באופן אוטומטי את כמות הפרטים מול הסיכון להסתגל יתר. בפועל משמעות הדבר היא שהאלגוריתם יכול להחליט בעצמו כמה אזורים נדרשים למערכת נתונים נתונה, ללא פיקוח אנושי, מה שחוסך זמן ומפחית הטיה.

שמירה על אמינות ויעילות של התוצאות

לא כל תנועה מקומית מוערכת אמינה—חלקן עלולות להיות מעוותות על ידי רעש או התאמות גרועות. PiCNoR מטפל בכך על ידי ייצוג כל אזור כקודקוד בגרף, שבו אזורים שכנים משפיעים זה על זה. תנועות שנראות לא ריאליות מבחינת סיבוב או הזזה מוחלפות בממוצע משוקלל של התנועות האמינות יותר בסביבה. ייצוג מתמטי קומפקטי מסייע בשילוב תנועות אלה בצורה יעילה. לבסוף, תנועת כל פיקסל מחושבת כמיזוג משוקלל לפי הסתברות של תנועות האזוריות, וכך מובטחת שהמעברים בין אזורים יישארו חלקים, ללא קפיצות פתאומיות או קפלים ברקמה.

הוכחה שזה עובד על נתונים ביולוגיים אמיתיים

החוקרים בדקו את PiCNoR על שלוש מערכות נתונים שונות מאוד: פרוסות עובר אנושי מהאוסף של קיוטו, סט מיקרוסקופיה אלקטרונית של חוט עצבים של זבוב הפירות, וסט חדש ממיקרוסקופ אור מהיפוקמפוס של מוח חולדה. בכל הדוגמאות הללו, PiCNoR ייצר בעקביות חפיפה טובה יותר בין פרוסות מאשר שיטות קשיחות סטנדרטיות ושיטות לא-קשיחות נפוצות. היא שמרה על רציפות של מבנים עדינים בתצוגות תלת-ממדיות והימנעה מהעיוותים המוגזמים שלפעמים נראים בכלים אחרים. חשוב לציין שהיא עשתה זאת תוך שימוש בפחות אזורים מקומיים מאשר כמה מתחרים, ובעלות חישובית שנשארת מעשית לערימות גדולות.

מה זה משמעותי עבור מיקרוסקופיה תלת-ממדית עתידית

עבור לא-מומחים, המסקנה היא ש-PiCNoR מציעה דרך אמינה יותר להפוך ערימות של תמונות מיקרוסקופיות דו-ממדיות להרכבות תלת-ממדיות נאמנות. על-ידי בחירה אוטומטית עד כמה היישור צריך להיות מפורט ובאמצעות הגנה מפני תיקונים מקומיים גרועים, היא שומרת על הצורות האמיתיות של הרקמות תוך שמירה על זמן עיבוד סביר. זה מקל על ביולוגים ופתולוגים להאמין במה שהם רואים בתלת-ממד, בין אם הם חוקרים התפתחות עוברית או ארגון של תאי מוח, והוא מניח בסיס לניתוח אוטומטי ומדויק יותר של מערכי נתונים מיקרוסקופיים מורכבים.

ציטוט: Adi, P.M., Shabani, H. & Mansouri, M. Automated and robust nonrigid registration of serial section microscopic images using PiCNoR. Sci Rep 16, 7559 (2026). https://doi.org/10.1038/s41598-026-38548-x

מילות מפתח: מיקרוסקופיה תלת-ממדית, רישום תמונות, הדמיית מוח, היסטולוגיה, יישור לא-קשיח