转移学习的实施,以对人类介质干细胞进行细分 - - 一项验证研究
Niha Adnan1, Fahad Umer1, Shahzaib Malik2
1Operative Dentistry and Endodontics, Department of Surgery, Aga Khan University Hospital, Karachi, Pakistan.
Tissue & cell
|July 10, 2023
概括
一个新的深度学习算法自动化了人类介质干细胞 (MSC) 的细分,提高了再生医学应用的效率和准确性. 开发的算法表现出高性能,为在临床环境中自动化细胞分析铺平了道路.
科学领域:
- 生物医学工程 生物医学工程
- 计算生物学 计算生物学
- 再生医学是一种再生医学.
背景情况:
- 干细胞治疗提供有前途的组织再生,但依赖于手动,耗时的细胞分析.
- 自动化干细胞分析对于提高植入前程序的效率和准确性至关重要.
研究的目的:
- 开发和验证一个深度学习 (DL) 算法,用于在微图像中对人间介质干细胞 (MSC) 进行细分.
- 为了评估算法的性能与手动注释的基础真相相对比.
主要方法:
- 预先训练的DeepLab算法被用于MSC细分.
- 在EVICAN数据集上训练了两个算法:一个具有模糊背景 (算法1) 和一个具有正常背景 (算法2).
- 使用图像背景模糊来解决部分注释数据集的局限性.
主要成果:
- 算法1实现了99.22%的准确性,99.66%的子系数,以及0.84.84的IOU.
- 算法2证明了96.34%的准确性,98.39%的子系数,以及0.48.48的IOU.
- 两种算法都表现出接近地面真相的性能指标.
结论:
- 两者都开发了DL算法,充分细分人类MSC.
- 算法2,尽管较小的数据集和较低的指标,显示为自动化MSC分析更大的临床适用性.
