用于3D组织学的数字标签:在没有血管对比剂的情况下对血管进行细分,使用深度学习
Maryse Lapierre-Landry1, Yehe Liu1, Mahdi Bayat2
1Department of Biomedical Engineering, Case Western Reserve University, USA.
Biomedical optics express
|June 21, 2023
概括
这项研究引入了"数字标签",一种新的方法,使用深度学习来识别基于自身光和DAPI染色的3D组织图像中的血管,从而改进了血管分析.
科学领域:
- 生物医学成像学 生物医学成像学
- 光学显微镜是一种光学显微镜.
- 深度学习应用程序深度学习应用程序
背景情况:
- 光学组织清除和3D光显微镜允许高分辨率的原位成像完整的组织.
- 血管网络的准确细分对于理解组织生物学和疾病至关重要.
研究的目的:
- 开发一种新的方法,使用自光和DAPI染色,在3D组织体积中对血管进行细分.
- 利用深度学习来提高小血管的检测和精确的血管形态测量.
主要方法:
- 开发"数字标签",用于细分3D血管网络的方法.
- 训练基于U-net的深度学习神经网络,具有回归损失,以改善小血管检测.
- 使用自发光和DAPI染色信号进行细分.
主要成果:
- 在3D组织体积内检测血管的高精度.
- 精确量化血管形态学,包括血管长度密度和方向.
- 仅基于内在组织信号和核染色的成功细分.
结论:
- 数字标签为3D血管细分和分析提供了一种高效准确的方法.
- 该方法依赖于自光和DAPI,简化了样品的准备.
- 这种数字标签技术显示出广泛应用于其他生物结构的潜力.
