Automation of tracking and monitoring migrating cells using the YOLO model

Analiza ruchliwości komórek biologicznych jest kluczowa w celu opisania interakcji między obiektem a środowiskiem. Obserwujemy ją m.in w rozwoju embrionalnym, procesie gojenia ran oraz przerzutach nowotworowych. Czynniki zewnętrzne oddziałując na komórki mogą je pobudzać lub hamować. Automatyzacja procesu śledzenia oraz monitorowania migracji komórek pozwala na efektywniejsze i wydajniejsze podejście do zagadnienia, poprzez wykrywanie komórek i dopasowywanie punktu ich położenia. Jednym z narzędzi pozwalającym na detekcję, a następnie monitorowanie przemieszczenia obiektu jest model sieci neuronowej YOLO, opracowany przez firmę Ultralytics. Jest to technologia oparta na uczeniu maszynowym, która pozwala na efektywne rozpoznawanie i śledzenie obiektów w czasie rzeczywistym. Jednak jego wykorzystanie wymaga adaptacji modelu dla konkretnego zastosowania. W pracy przeprowadzono proces przystosowania modelu YOLO do analizy migracji komórek poprzez trenowanie go na specyficznych danych zawierających obrazy komórek linii 3T3.

Analysis of biological cell migration are crucial for describing the interactions between an object and its environment. It is observed during embryonic development, wound healing and cancer metastasis. External factors which interact with the cells can stimulate or inhibit their behaviour. Automating the tracking and monitoring of cell migration provides efficient and effective detection and adjustment for their positions. One of the tools for detecting and monitoring the movement of an object is YOLO neural network model, developed by Ultralytics. This is a machine learning-based technology that enables efficient real-time object recognition and tracking. However, its usage requires adaptation of the model for specific applications. In this work, the author adjusted YOLO model to analyse cell migration based on images of 3T3 cell lines.