基于深度学习的识别来自SHOX2 / HCN4双阳性细胞与人类iPS细胞差异化的SHOX2 / HCN4双阳性细胞的鼻腔节状心脏起器细胞

科学领域:

• 心脏病学 心脏病学
• 干细胞生物学 干细胞生物学
• 人工智能的人工智能

背景情况:

• 人类诱导的多能干细胞 (hiPSCs) 可以分化为具有不同电生理性质的心肌细胞.
• 这些包括类似于鼻腔节点 (SAN) 和非SAN类型的细胞,表现出明显的自发动作潜力 (AP).

研究的目的:

• 研究深度学习 (DL) 在识别hiPSC衍生SAN类细胞方面的有效性.
• 评估DL是否可以根据其形态特征从相对比图像中区分SAN类细胞.

主要方法:

• 获得了hiPSC衍生SAN样 (SHOX2 / HCN4双阳性) 和非SAN样细胞的相对照图像.
• 一个基于VGG16的卷积神经网络 (CNN) 模型被开发出来,用于将细胞分类为类似SAN或非类似SAN的.
• 将DL模型的性能与人类分类能力进行了比较.

主要成果:

• 与人类分类相比,CNN模型实现了更高的准确性,回忆力,特异性和精度.
• DL表现出强大的区分SAN类和非SAN类hiPSC衍生的心肌细胞的能力.

结论:

• 深度学习技术提供了一个非常准确的方法来识别hiPSC衍生的SAN类细胞.
• 这种人工智能驱动的方法显示了促进心脏细胞研究和再生医学的巨大潜力.