Search research articles

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

The prognostic implications of autoimmune hemolytic anemia in chronic lymphocytic leukemia across treatment eras.

Haematologica·2026

Same author

Extracellular Vesicles for Therapeutic Applications: A Translational Framework Integrating Sources, Administration Routes, Indications, Quality Control, and Regulatory Systems.

International journal of nanomedicine·2026

Same author

Disease characteristics, treatment, and outcomes in Chinese chronic lymphocytic leukemia patients following BTK inhibitor discontinuation: a multicenter real-world study.

Frontiers in medicine·2026

Same author

Single-Cell Profiling Identifies SLC2A5-Mediated Fructose Metabolism as a Vulnerability in Primary CNS Lymphoma.

Advanced science (Weinheim, Baden-Wurttemberg, Germany)·2026

Same author

MYD88 variants in chronic lymphocytic leukemia exhibit distinct biological behaviors and prognostic implications.

Leukemia·2026

Same author

Talquetamab-Daratumumab in Relapsed or Refractory Myeloma.

The New England journal of medicine·2026

ACERCA DE JoVE

Visión General Liderazgo Blog Centro de Ayuda JoVE

AUTORES

Proceso de Publicación Consejo Editorial Alcance y Políticas Revisión por Pares Preguntas Frecuentes Enviar

BIBLIOTECARIOS

Testimonios Suscripciones Acceso Recursos Consejo Asesor de Bibliotecas Preguntas Frecuentes

INVESTIGACIÓN

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments Archivo

EDUCACIÓN

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual Centro de Recursos para Profesores Sitio de Profesores

Términos y Condiciones de Uso

Política de Privacidad

Search research articles

Video Experimental Relacionado

Updated: Jan 8, 2026

Automated Quantification of Hematopoietic Cell – Stromal Cell Interactions in Histological Images of Undecalcified Bone

Automated Quantification of Hematopoietic Cell – Stromal Cell Interactions in Histological Images of Undecalcified Bone

Published on: April 8, 2015

Segmentación mejorada de imágenes de células madre aprovechando los mecanismos de procesamiento visual

Zheng-Mian Zhang¹, Hai-Jun Wang^2,3, Xiao Liang^3,4

¹Fujian Maternity and Child Health Hospital College of Clinical Medicine for Obstetrics & Gynecology and Pediatrics, Fujian Medical University, Fuzhou, Fujian, China.

Frontiers in bioengineering and biotechnology

|December 19, 2025

Resumen

Este resumen es generado por máquina.

Este estudio presenta un método avanzado de segmentación de imágenes de células madre. Mejora significativamente la precisión y reduce los errores para un mejor análisis de células madre.

Palabras clave:

confluencia segmentación de imágenes microscopio de contraste de fases procesamiento de imágenes de células madre mecanismo cognitivo de información visual

Más Videos Relacionados

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

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

Published on: November 30, 2022

Volume Segmentation and Analysis of Biological Materials Using SuRVoS Super-region Volume Segmentation Workbench

Volume Segmentation and Analysis of Biological Materials Using SuRVoS Super-region Volume Segmentation Workbench

Published on: August 23, 2017

Videos de Experimentos Relacionados

Last Updated: Jan 8, 2026

Automated Quantification of Hematopoietic Cell – Stromal Cell Interactions in Histological Images of Undecalcified Bone

Automated Quantification of Hematopoietic Cell – Stromal Cell Interactions in Histological Images of Undecalcified Bone

Published on: April 8, 2015

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

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

Published on: November 30, 2022

Volume Segmentation and Analysis of Biological Materials Using SuRVoS Super-region Volume Segmentation Workbench

Volume Segmentation and Analysis of Biological Materials Using SuRVoS Super-region Volume Segmentation Workbench

Published on: August 23, 2017

Área de la Ciencia:

Imagen Biomédica
Biología Computacional
Biología Celular

Sus antecedentes:

Los métodos convencionales de segmentación de imágenes de células madre (SC) tienen limitaciones.
El análisis de los principios cognitivos en el procesamiento de la información visual es clave.
Se utilizaron imágenes de microscopía de contraste de fases de células madre para evaluar los métodos existentes.

Objetivo del estudio:

Aplicar mecanismos de procesamiento de información visual para la segmentación de imágenes de células madre.
Desarrollar un método de segmentación optimizado que aborde las limitaciones de los enfoques tradicionales.
Mejorar la eficacia de la segmentación de imágenes de células madre.

Principales métodos:

Se desarrolló un método de segmentación optimizado que incorpora la corrección de halo.
Se validó experimentalmente el rendimiento del método propuesto.
Se comparó el método propuesto con técnicas de segmentación existentes.

Principales resultados:

Se logró una precisión de segmentación del 96,5%, una recuperación del 94,9%, una precisión del 91,4% y una puntuación F1 del 93,9%.
Superó a los enfoques existentes en métricas clave de segmentación.
Se demostró un bajo error de confluencia (0,07 en células madre mesenquimales humanas, 0,05 en conjuntos de datos C2C12).

Conclusiones:

El método propuesto ofrece una eficacia mejorada para la segmentación de imágenes de células madre.
El enfoque optimizado proporciona un rendimiento superior en comparación con métodos equivalentes.
Los hallazgos respaldan la aplicación de principios de procesamiento visual para mejorar el análisis de imágenes de SC.