相关实验视频
Updated: Jul 27, 2025
10:25
Deep Learning-Based Segmentation of Cryo-Electron Tomograms
Published on: November 11, 2022
9.0K
使用半监督深度学习的细胞冷软X射线显微镜断层图像的3D表面重建
Michael C A Dyhr1, Mohsen Sadeghi2, Ralitsa Moynova1
1Institute of Chemistry and Biochemistry, Department of Biology, Chemistry and Pharmacy, Free University of Berlin, 14195 Berlin, Germany.
概括
使用深度学习的自动3D细分加速了从冷软X射线断层扫描 (cryo-SXT) 数据的细胞超结构分析. 这种方法使纳米细胞特征的高通量量化成为可能,克服了手动细分的瓶.
科学领域:
- 细胞和分子成像技术
- 生物物理学的生物物理.
- 计算生物学 计算生物学
背景情况:
- 低温软X射线断层扫描 (cryo-SXT) 提供了高分辨率的细胞超结构,没有标记.
- 在cryo-SXT中快速获取数据可以生成大型数据集.
- 手动对冷-SXT数据进行细分是耗时的.
研究的目的:
- 为冷-SXT数据开发一个自动化的3D细分管道.
- 为了实现细胞超结构的高通量分析.
- 量化细胞结构的纳米形态参数.
主要方法:
- 开发了一个端到端的自动化3D细分管道.
- 利用半监督深度学习进行细分.
- 验证了哺乳动物细胞的管道.
主要成果:
- 该管道自动化了冷-SXT断层图像的细分.
- 通过有限的手册注释和不同的条件实现了强大的细分.
- 启用了3D细胞超结构的提取和filopodia形态的量化.
结论:
- 半监督深度学习为冷-SXT数据细分提供了有效的解决方案.
- 自动化管道促进了细胞超结构的高通量分析.
- 这种方法推进了纳米细胞形态学的研究.
