zenCELL owl活细胞动态成像系统用于细胞追踪算法的开发

细胞迁移作为基本的生物学过程，在机体的生长发育、体内平衡和疾病发生发展中起着重要作用。异常的细胞迁移可导致相关功能意外中断，并与畸形、自身免疫性疾病和癌症转移等疾病关联。因此，长时间连续跟踪和观察细胞集体的迁移运动及各种细胞的形态变化，有效识别和分析异常的细胞行为，助力于疾病研究和治疗。然而单个细胞具有多样性和动态性形状，目前对细胞集体的连续追踪和识别仍然是巨大挑战。

细胞追踪方法早期专为特定应用而设计，如对圆形细胞量身定制，或进行荧光标记，一定程度上限制了应用类型或影响活细胞的内在行为。随着计算机科学和生物图像信息学的不断发展，细胞追踪方法取得了很大进步。华东理工大学万永菁教授和南京大学龙亿涛教授联合开发了一种基于深度学习的细胞跟踪算法HFM-Tracker（Hybrid Feature Matching Tracker），准确捕获图像序列中的动态细胞行为。研究成果以“HFM-Tracker: a cell tracking algorithm based on hybrid feature matching”为题于2024年3月发表在英国皇家化学学会期刊《Analyst》上。该文入选“《Analyst》2024热门文章（Analyst HOT Articles 2024）”和“150 周年论文集：电化学和电分析方法（150th Anniversary Collection: Electrochemistry and Electroanalytical Approaches）”。