Jove
Visualize
Contáctanos

Videos de Conceptos Relacionados

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Integrated Opto-Acoustofluidic Sorter with Data-Efficient Digital Photon Counting.

Analytical chemistry·2026
Same author

All-2D van Der Waals Heterostructure-Based Gate-Sensitive Field-Effect Transistor Platform for Ultrasensitive and Selective Hydrogen Sensing.

ACS sensors·2026
Same author

Using PdO-incorporated MOF-derived sandwich heterostructures for enhanced glucose sensing.

RSC advances·2026
Same author

Edge-Enriched Metal-Organic Framework Integrated with a Gate-Sensitive Field-Effect Transistor for Highly Sensitive and Ultrafast Detection of Breath Acetone.

ACS sensors·2026
Same author

Facile Fabrication of Room-Temperature Parts-per-Billion-Level Acetone Sensor Driven by In Situ Laser-Induced Oxygen-Vacancy-Rich Cu/Cu<sub>2</sub>O/CuO Composites.

ACS sensors·2025
Same author

Janus Hydrogels: Design, Properties, and Applications.

Gels (Basel, Switzerland)·2025
Same journal

Correction: Komatsu et al. Three-Dimensional Visualization and Detection of the Pulmonary Venous-Left Atrium Connection Using Artificial Intelligence in Fetal Cardiac Ultrasound Screening. <i>Bioengineering</i> 2026, <i>13</i>, 100.

Bioengineering (Basel, Switzerland)·2026
Same journal

Comparison of CO<sub>2</sub> Laser and Microdebrider in the Surgical Treatment of Pediatric Recurrent Respiratory Papillomatosis: A Retrospective Analysis.

Bioengineering (Basel, Switzerland)·2026
Same journal

Toward More Translational Tumor Models: Breast dECM-Based 3D Systems Capture Native Microenvironmental Cues.

Bioengineering (Basel, Switzerland)·2026
Same journal

Postural Stability Changes During the 4 Phases of the Half Squat: Kinematics Profile of the Center of Pressure and Center of Mass in High-Performance Weightlifters-A Pilot Study.

Bioengineering (Basel, Switzerland)·2026
Same journal

Definite Implant Position as Novel Readout for Effectiveness of Ridge Preservation Indicates to Beneficial Effect of Combined Treatment with Platelet-Rich Fibrin (PRF) and Xenogenic Biomaterial in Bone Regeneration.

Bioengineering (Basel, Switzerland)·2026
Same journal

Trueness and Precision of Intraoral Scanners for 3D-Printed Orthodontic Models with Attachments: An In Vitro Comparative Study.

Bioengineering (Basel, Switzerland)·2026
Ver todos los artículos relacionados
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Video Experimental Relacionado

Updated: Sep 10, 2025

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

2.9K

Un método de segmentación de imágenes de células en tiempo real basado en la fusión de características de escala

Xinyuan Zhang1, Yang Zhang1, Zihan Li1

  • 1School of Mechanical Engineering, Hubei University of Technology, Wuhan 430068, China.

Bioengineering (Basel, Switzerland)
|August 28, 2025
PubMed
Resumen
Este resumen es generado por máquina.

Este estudio introduce un nuevo modelo de IA para la segmentación celular precisa, mejorando el recuento celular y la evaluación de la confluencia. La red avanzada mejora la investigación del microambiente tumoral mediante el análisis preciso de la dinámica de crecimiento celular.

Palabras clave:
confluencia de las célulasNúmero de célulassegmentación celularaprendizaje profundocélulas madre del gliomaFusión de las características de escala múltiple

Más Videos Relacionados

Using Light Sheet Fluorescence Microscopy to Image Zebrafish Eye Development
13:01

Using Light Sheet Fluorescence Microscopy to Image Zebrafish Eye Development

Published on: April 10, 2016

34.1K
Deep Learning-Based Segmentation of Cryo-Electron Tomograms
10:25

Deep Learning-Based Segmentation of Cryo-Electron Tomograms

Published on: November 11, 2022

9.3K

Videos de Experimentos Relacionados

Last Updated: Sep 10, 2025

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

2.9K
Using Light Sheet Fluorescence Microscopy to Image Zebrafish Eye Development
13:01

Using Light Sheet Fluorescence Microscopy to Image Zebrafish Eye Development

Published on: April 10, 2016

34.1K
Deep Learning-Based Segmentation of Cryo-Electron Tomograms
10:25

Deep Learning-Based Segmentation of Cryo-Electron Tomograms

Published on: November 11, 2022

9.3K

Área de la Ciencia:

  • Análisis de imágenes biomédicas
  • Biología computacional
  • Inteligencia artificial en la medicina

Sus antecedentes:

  • La evaluación del crecimiento celular es crucial para el diagnóstico de la enfermedad y el desarrollo de la terapia.
  • La segmentación celular precisa es vital para cuantificar los indicadores de crecimiento celular.
  • Los métodos existentes luchan con la heterogeneidad de múltiples escalas, límites poco claros y compensaciones de eficiencia y precisión.

Objetivo del estudio:

  • Desarrollar una arquitectura de red innovadora para una segmentación celular eficiente y precisa.
  • Abordar los desafíos de la heterogeneidad a escala múltiple y la delineación de límites.
  • Proporcionar una herramienta automatizada confiable para la investigación del microambiente tumoral.

Principales métodos:

  • Una tubería de preprocesamiento que utiliza CLAHE y desenfoque gaussiano para mejorar la imagen.
  • Una red piramidal de características bidireccional (BiFPN) para un mejor reconocimiento de características a escala múltiple.
  • Convolución adaptativa del núcleo (AKConv) para capturar distribuciones celulares heterogéneas y mejorar la segmentación de límites.
  • La supresión no máxima guiada por la densidad de probabilidad (Soft-NMS) para reducir la detección insuficiente.

Principales resultados:

  • Se alcanzó un 95,7% de mAP50 (caja) y un 95% de mAP50 (máscara) en el conjunto de datos del SGC.
  • Demostró una velocidad de inferencia de 38 cuadros por segundo.
  • Se ha soportado con éxito la salida de doble modalidad para la confluencia de celdas y el conteo preciso.

Conclusiones:

  • El modelo propuesto ofrece un avance significativo en la segmentación celular automatizada.
  • Proporciona una herramienta confiable y eficiente para el análisis cuantitativo del crecimiento celular en microambientes tumorales.
  • El método aborda efectivamente las limitaciones de las técnicas de segmentación actuales.