Distinción basada en la morfología entre sanas y patológicas de las células utilizando transformadas de Fourier y mapas de auto-organización

El aspecto y los movimientos de las células inmunes son conducidos por su entorno. Como reacción a la invasión de un patógeno, las células inmunes son reclutadas en el sitio de la inflamación y se activan para evitar más lejos el separarse de la invasión. Esto también se refleja en cambios en el comportamiento y el aspecto morfológico de las células inmunes. En el tejido canceroso, morphokinetic los cambios similares se han observado en el comportamiento de las células microgliales: microglia intra tumoral tienen formas de 3 dimensiones menos complejos, con procesos celulares menos ramificado y mover más rápidamente que ésos en saludable tejido. El examen de tales propiedades morphokinetic requiere técnicas de la microscopia 3D complejos, que pueden ser extremadamente difíciles cuando ejecuta longitudinalmente. Por lo tanto, la grabación de una forma 3D estática de una célula es mucho más sencilla, porque esto no requiere de mediciones intravital y puede realizarse en tejido suprimido también. Sin embargo, es esencial poseer herramientas de análisis que permiten la rápida y precisa Descripción de las formas 3D y permite la clasificación diagnóstica de las muestras de tejido sano y patógenos basadas únicamente en información estática, relacionada con la forma. Aquí, presentamos una herramienta que analiza los componentes de Fourier discretos del contorno de un conjunto de proyecciones 2D de 3D celular superficies mediante mapas de auto-organización. La aplicación de métodos de inteligencia artificial permite que nuestro marco conocer distintas formas de la célula como se aplica a las muestras de tejido más y más, mientras que el flujo de trabajo permanece simple.