Procesamiento topo-geométrico de imágenes neuronales

Fruto de la relacion de nuestro grupo de investigacion con el equipo dirigido por el biologo Miguel Morales (http://spineup.es) hemos podido aplicar diversas tecnicas topo-geometricas para el procesamiento de imagenes neuronales. Dichas imagenes, captadas con un potente microsopio confocal, permiten estudiar la evolucion de la densidad sinaptica bajo el influjo de distintas sustancias, con el objetivo de analizar enfermedades neurodegenerativas, como el Alzheimer. Por ejemplo, en la figura adjunta, se observa un cultivo de una seccion del hipotalamo. Los sectores azulados denotan nucleos de celulas, que cuando aparecen aisladas son astrocitos, y cuando aparecen con bifurcaciones en verde (dendritas) corresponden a neuronas. El problema algoritmico consiste, en este problema particular, en distinguir de modo automatizado astrocitos de neuronas, lo que hace intervenir distintas propiedades de naturaleza geometrica (criterio de circularidad) y topologica (ramificacion). En la charla haremos una pequena revision de las tecnicas que aparecen en estos problemas bioinformaticos, que incluyen el calculo de homologia ordinaria y persistente (para lo que se puede utilizar el programa Kenzo de calculo simbolico en Topologia Algebraica), asi como problemas clasicos de la topologia digital como localizacion de esqueletos y seguimiento de bordes. Nos centraremos en un caso particular de reciente aplicacion, con el que ilustraremos las tecnicas anteriores.

[1]  H. Edelsbrunner,et al.  Persistent Homology — a Survey , 2022 .

[2]  Jónathan Heras,et al.  Verifying an Algorithm Computing Discrete Vector Fields for Digital Imaging , 2012, AISC/MKM/Calculemus.

[3]  Jónathan Heras,et al.  Towards a Certified Computation of Homology Groups for Digital Images , 2012, CTIC.

[4]  Jónathan Heras,et al.  A Certified Module to Study Digital Images with the Kenzo System , 2011, EUROCAST.

[5]  W. S. Rasband,et al.  ImageJ: Image processing and analysis in Java , 2012 .

[6]  Gunnar E. Carlsson,et al.  Zigzag Persistence , 2008, Found. Comput. Math..

[7]  Jónathan Heras,et al.  Verifying a Plaftorm for Digital Imaging: A Multi-tool Strategy , 2013, MKM/Calculemus/DML.

[8]  Johannes E. Schindelin,et al.  Fiji: an open-source platform for biological-image analysis , 2012, Nature Methods.

[9]  Jónathan Heras,et al.  Defining and computing persistent Z-homology in the general case , 2014, ArXiv.

[10]  R. Forman Morse Theory for Cell Complexes , 1998 .

[11]  E Meijering,et al.  Design and validation of a tool for neurite tracing and analysis in fluorescence microscopy images , 2004, Cytometry. Part A : the journal of the International Society for Analytical Cytology.

[12]  Pierre Castéran,et al.  Interactive Theorem Proving and Program Development , 2004, Texts in Theoretical Computer Science An EATCS Series.

[13]  Roman Mikhailov,et al.  On homotopy groups of the suspended classifying spaces , 2009, 0908.3580.

[14]  Ana Romero,et al.  Discrete Vector Fields and Fundamental Algebraic Topology , 2010, ArXiv.

[15]  Thierry Coquand,et al.  Computing persistent homology within Coq/SSReflect , 2013, TOCL.

[16]  G. G. Stokes "J." , 1890, The New Yale Book of Quotations.

[17]  Ana Romero,et al.  Homotopy groups of suspended classifying spaces: An experimental approach , 2013, Math. Comput..