相关实验视频
Updated: Jul 19, 2025
06:17
Osteoclast Derivation from Mouse Bone Marrow
Published on: November 6, 2014
24.2K
一种基于机器学习的图像细分方法,用于量化体外骨质细胞培养终点
Bethan K Davies1,2, Andrew P Hibbert1, Scott J Roberts1
1Department of Comparative Biomedical Sciences, Royal Veterinary College, Royal College Street, London, NW1 0TU, UK.
Calcified tissue international
|August 11, 2023
概括
这项研究开发了一个自动化工作流程来量化骨质细胞,显著减少了变化和时间. 机器学习方法在体外准确地测量骨质细胞数量,有助于研究与骨相关的疾病.
科学领域:
- 生物医学工程 生物医学工程
- 细胞生物学 细胞生物学
- 图像分析 图像分析
背景情况:
- 在体外骨质细胞培养物的手动量化是劳动密集型的,容易导致用户的变化.
- 准确的骨质细胞量化对于研究骨代谢和疾病至关重要.
研究的目的:
- 开发和验证一个自动化工作流程,用于在体外骨质细胞培养的可靠量化.
- 为了减少用户间和用户内部的变化,并节省骨质细胞分析的时间.
主要方法:
- 利用机器学习软件ilastik训练一个算法,对酸盐耐酸酸酶染色的小鼠骨质细胞图像进行训练.
- 通过评估其检测骨质细胞数量治疗诱导变化的能力来验证自动化方法.
主要成果:
- 自动化方法的骨质细胞计数与手动计数有很强的相关性 (r=0.87).
- 工作流显示,用户可变性 (93%) 和分析时间 (80%) 显著减少.
- 成功检测出治疗效应,包括佐莱德酸盐减少了70%的治疗效果,而蒂卡格勒勒剂量依赖性降低了治疗效果.
结论:
- 一个基于机器学习的自动化图像分析工作流程用于体外骨质细胞量化已经成功开发和验证.
- 该方法为手工计数提供了一个一致,灵敏和用户友好的替代方案,适用于不同物种和基板.
- 该工作流显著提高了骨质细胞研究的效率和可靠性,并提供了易于实现的资源.
