FocA:一种深度学习工具,用于在自动化细胞测试管道中可靠,近实时的成像焦点分析
Jeff Winchell1, Gabriel Comolet1, Geoff Buckley-Herd1
1The New York Stem Cell Foundation Research Institute, New York, NY 10019, USA.
SLAS discovery : advancing life sciences R & D
|August 12, 2023
概括
一个新的深度学习工具,FocA,在自动化细胞培养试验中自动识别焦点和失焦图像. 这确保了高质量的数据,以提高成像工作流的效率,使用最小的计算资源.
科学领域:
- 细胞生物学 细胞生物学
- 生物成像是一种生物成像.
- 自动化工程自动化工程
背景情况:
- 细胞检测中的自动化为成像提供了更大的规模和吞吐量.
- 可靠的数据质量和一致性对于实现自动化的全部潜力至关重要.
- 对于自动化成像工作流程,需要强大的分析管道.
研究的目的:
- 介绍FocA,这是一个深度学习工具,用于实时识别对焦和失焦图像.
- 在自动化细胞生物学研究中确保高质量的图像数据.
- 为了提高自动化成像工作流程的效率.
主要方法:
- FocA使用深度学习训练在下采样图像补丁的计算效率.
- 该工具自动生成平衡和多样化的训练集,以防止偏见.
- 它几乎实时地在NYSCF全球干细胞阵列®平台上识别图像质量.
主要成果:
- FocA 正确识别了100%的失焦图像和98%的焦点图像.
- 分析时间不到4秒,每96个井板.
- 该工具即使在大量缩小样本数据 (~30倍小) 上也能准确执行.
结论:
- 在自动化工作流程中,FocA确保可靠的图像数据卫生.
- 它最大限度地减少了对人类验证的需求,并减少了低质量的数据收集.
- 该工具提高了自动成像的效率,使用最小的计算资源.
