编辑推荐：
在钙成像研究中，密集组织（如胰岛 β 细胞）的手动细胞掩膜存在误差和耗时长的问题。研究人员开发 CRISP 算法，含掩膜优化和半自动轴识别。结果显示其准确性高，可提升功能网络分析精度，为相关研究提供新工具。
细胞是生命活动的基本单位，对细胞活动的精准观测是解开生命奥秘的关键钥匙。在生物学研究中，钙成像技术如同一位 “实时摄影师”，能够捕捉细胞内钙离子浓度的动态变化，从而揭示细胞活动的规律。这一技术在神经科学、糖尿病研究等领域大显身手，例如在胰腺胰岛研究中，众多 β 细胞通过电信号协同分泌胰岛素，钙成像可帮助科学家解析这些细胞的活动协调性。
然而，当面对像胰腺胰岛、心肌细胞这样细胞密集排列的组织时，传统的基于强度阈值的自动图像分割方法就像 “近视眼的画家”，难以准确勾勒出单个细胞的边界。此时，研究人员不得不化身 “手工画师”，通过肉眼观察手动绘制细胞掩膜（Cell Mask），即划定每个细胞在图像中的区域。但这种手工操作如同在针尖上跳舞 —— 不仅耗时耗力，还容易因研究者的疲劳或操作差异引入误差，就像在精密的钟表零件中混入了沙粒，可能导致对细胞间协调性的误判，进而影响科学结论的准确性。
为了攻克这一难题，来自美国科罗拉多大学安舒茨医学校区（University of Colorado Anschutz Medical Campus）生物工程系的 Jennifer K. Briggs 团队与威斯康星大学麦迪逊分校（University of Wisconsin-Madison）的研究者合作，开展了一项富有创新性的研究。他们的目标是开发一种能够减少手动掩膜误差、适用于密集组织的自动化图像分割方法。这项研究成果发表在《BMC Bioinformatics》上，为钙成像领域带来了新的技术曙光。
关键技术方法
研究主要采用了以下关键技术：
- 钙成像技术：使用 Nikon A1R 共聚焦显微镜和 LSM5Live 显微镜，对 Ins1-Cre:ROSA26GCaMP6s/H2B?mCherry 小鼠和 Cx36 敲除小鼠的胰岛进行成像，记录细胞内 Ca2+水平和细胞核位置，获取时间序列荧光数据。
- 手动掩膜构建：通过不同精度的手动绘制（“良好”“中等”“较差” 掩膜），作为算法训练和验证的基准。
- CRISP 算法开发：包含两个核心模块，一是基于像素与细胞中心区域时间序列相关性的掩膜优化算法（Cell Mask Refinement），二是通过迭代扩展环形区域寻找最大细胞内圆的半自动轴识别算法（Semi-minor Axis Identification）。
- 对比算法测试：与 CellPose、μSAM 等深度学习算法，以及圆形霍夫变换、Voronoi 镶嵌等传统方法进行性能对比。
研究结果
1. 像素相关性验证与 CRISP 算法设计
研究首先验证了同一细胞内像素的钙信号相关性显著高于细胞外像素这一核心假设。通过对 GCaMP6 标记的胰岛 β 细胞成像分析发现，以细胞核为中心的圆形区域内，像素间的相关系数形成明显的高相关簇，如同紧密相连的社群，而边界外的像素相关性骤降。基于这一现象，CRISP 算法利用像素与细胞中心 10% 像素的时间序列相关系数作为筛选标准：当像素相关系数低于 “均值 - 标准差 × 阈值” 时，判定为非细胞内像素并剔除，从而优化手动掩膜。
2. 掩膜优化算法的性能评估
通过对 45 个细胞的 “中等” 和 “较差” 掩膜进行优化，CRISP 的受试者工作特征曲线下面积（AUROC）达 0.835，显示出良好的模型性能。在来自不同显微镜和小鼠模型的独立测试集上，CRISP 对 “中等” 和 “较差” 掩膜的像素分类准确率达 77%。与深度学习算法相比，尽管 CRISP 依赖初始手动掩膜，但在准确性（0.99 vs. CellPose 0.98）和灵敏度（0.98 vs. CellPose 0.99）上表现相当，且特异性（0.90）显著高于 μSAM（0.06），尤其在避免相邻细胞像素混入方面更具优势。此外，CRISP 能有效降低掩膜内像素信号的方差，提升钙信号时间序列的稳定性，就像为信号戴上了 “降噪耳机”。
3. 半自动轴识别算法的自动化能力
针对高通量场景，CRISP 通过迭代扩展环形区域，以 “像素高相关比例 - 环长惩罚” 的评分函数（Score = p+ ? (φ/100)）自动确定细胞的最大内接圆半径（即半自动轴长度）。该模块的 AUROC 高达 0.989，对 150 个 β 细胞的半径估计平均为 4.0866 微米，且通过设定统一半径（4.65 微米）可实现高效批量处理。与其他算法相比，CRISP 在半径估计误差（?1.94 像素）上优于 CellPose（?4.24 像素）和 Voronoi 镶嵌（?9.79 像素），尤其在细胞密集且形态复杂的胰岛环境中表现更稳健。
4. 对功能网络分析的提升
在胰岛 β 细胞功能网络分析中，手动 “中等” 掩膜的相关系数误差中位数为 0.0033，经 CRISP 优化后降至 0.001；“较差” 掩膜的误差从 0.004 降至 0.002，同时减少了连接数的误判（平均差异从 1.3 降至可忽略水平）。这表明 CRISP 如同精密的 “信号校准器”，显著提升了细胞间协同活动分析的准确性，为揭示胰岛 β 细胞功能异质性和调控机制提供了可靠工具。
研究结论与意义
CRISP 算法通过像素间相关性这一巧妙设计，为密集组织的细胞掩膜问题提供了双重解决方案：一方面，其掩膜优化模块可作为手动操作的 “智能修正笔”，减少人为误差并提升分析效率；另一方面，半自动轴识别模块如同 “自动化绘图仪”，在高通量场景中实现快速、保守的细胞区域划分。与深度学习方法相比，CRISP 无需大量标注数据和复杂训练，具有轻量化、可解释性强的优势，尤其适合资源有限的实验室。
该研究不仅为钙成像领域提供了实用工具，更拓宽了相关性分析在生物医学图像处理中的应用思路。正如研究团队指出的，CRISP 的保守性掩膜策略在避免相邻细胞信号污染方面具有独特价值，这对于依赖精确细胞边界的功能网络分析、药物筛选等研究至关重要。未来，随着算法优化和计算效率提升，CRISP 有望在三维成像、组织动态追踪等领域发挥更大作用，成为连接手动观测与自动化分析的桥梁，推动细胞生物学研究向更精准、更高效的方向迈进。
