一个独立于平台的框架,用于多重组织成像数据的表型
Mansooreh Ahmadian1, Christian Rickert2, Angela Minic2
1Department of Biostatistics and Informatics, Colorado School of Public Health, University of Colorado Anschutz Medical Campus, Aurora, Colorado, United States of America.
PLoS computational biology
|September 21, 2023
概括
多重图像分析通过新的像素分类器预处理步骤得到了改进. 这种方法减少了平台特定的噪音和工件,提高了各种分析管道的数据可靠性.
科学领域:
- 计算生物学 计算生物学
- 生物医学成像技术 生物医学成像技术
背景情况:
- 多重成像为细胞状态提供了深入的洞察力,但由于数据的复杂性,分析存在挑战.
- 现有的计算管道往往缺乏跨平台适用性,阻碍了可重现的结果.
研究的目的:
- 为多重成像数据引入一个独立于平台的图像预处理方法.
- 提高跨不同技术的多重图像分析的可靠性和可重复性.
主要方法:
- 开发了一种基于像素分类器的方法来区分信号与噪音和文物.
- 这种方法产生了具有改进的信号噪声比率和正常化像素值的特征图.
- 预处理步骤使用两个已建立的图像分析管道进行了验证.
主要成果:
- 拟议的方法有效地减少了多重图像中的平台特定特征.
- 功能表示图显示了信号噪声比率的改善和数据的规范化.
- 下游分析管道在预处理后产生了类似的结果.
结论:
- 像素分类器预处理步骤将多重成像分析中的平台依赖性降至最低.
- 这种方法提高了多重成像数据的计算管道的通用性和稳定性.
