快速量化微血管的三维血脑屏障模型使用光学一致性断层和深度学习算法
Huiting Zhang1,2, Dong-Hee Kang2, Marie Piantino2
1AIST-Osaka University Advanced Photonics and Biosensing Open Innovation Laboratory, National Institute of Advanced Industrial Science and Technology (AIST), 2-1 Yamadaoka, Suita 565-0871, Osaka, Japan.
Biosensors
|August 25, 2023
概括
我们开发了一种快速,非侵入性的光学连贯性断层扫描 (OCT) 方法,用于在3D血脑屏障 (BBB) 模型中量化微血管. 深度学习分析准确地测量了容器网络,有助于BBB模型评估和药物输送研究.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 光学成像技术的成像
背景情况:
- 血脑屏障 (BBB) 保护中枢神经系统 (CNS),对平衡至关重要.
- 在体外BBB模型对于研究疾病和药物输送至关重要.
- 一个先前开发的3D BBB模型具有可 perfusable 微血管,复制了关键的原生 BBB 特性.
研究的目的:
- 开发和验证一种基于光学连贯断层扫描 (OCT) 的快速,非侵入性方法,用于在3D体外BBB模型中量化微血管网络.
- 评估图像处理策略,包括形态图像处理 (MIP),随机森林机器学习 (RF-TWS) 和深度学习 (pix2pix cGAN).
- 为3D体外BBB模型建立一个关键的质量控制和透性评估方法.
主要方法:
- 获得3D OCT图像的3D体外BBB模型.
- 使用MIP,RF-TWS和深度学习 (pix2pix cGAN) 的图像处理.
- 处理图像与手动选择的地面真相图像进行定量比较,以计算船舶数量和表面积.
主要成果:
- 成功获得了3D OCT图像的3D体外BBB模型.
- 与MIP和RF-TWS相比,深度学习 (pix2pix cGAN) 在对象识别方面表现优越.
- 基于深度学习的船只数量和表面面积的量化接近地面真实值.
结论:
- 开发的基于OCT的方法提供了一种快速,非侵入性的方法,用于在3D体外BBB模型中量化微血管网络.
- 对OCT图像的深度学习分析对于评估BBB模型完整性和透性非常有效.
- 这种技术为质量控制和研究提供了宝贵的工具,涉及到BBB以外的各种3D体外模型.
更多相关视频
09:53Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography
Published on: August 16, 2020
7.3K
06:29Real-Time Intravital Multiphoton Microscopy to Visualize Focused Ultrasound and Microbubble Treatments to Increase Blood-Brain Barrier Permeability
Published on: February 5, 2022
4.4K
