通过使用深度学习的声显微镜在亚细胞水平上对癌细胞进行分类
Fernando Pérez-Cota1, Giovanna Martínez-Arellano2, Salvatore La Cavera3
1Optics and Photonics Group, Faculty of Engineering, University of Nottingham, Nottingham, UK. fernando.perez-cota@nottingham.ac.uk.
Scientific reports
|September 27, 2023
概括
这项研究使用声波声学和深度学习来准确测量细胞弹性,以93%的准确性将癌症与正常乳腺细胞区分开来,为潜在的临床工具.
科学领域:
- 生物物理学的生物物理.
- 细胞力学 细胞力学
- 声学显微镜的使用
背景情况:
- 细胞弹性与正常,失生和癌症状态相关.
- 细胞力学的临床应用缺乏显著的进展.
- 声声学提供了一种新的方法来测量细胞弹性.
研究的目的:
- 探索声声学,以测量细胞弹性.
- 在癌症 (MDA-MB-231) 和正常 (MCF10a) 乳腺细胞系之间进行区分.
- 开发一个用于临床整合的紧型传感器.
主要方法:
- 利用声子显微镜测量乳腺细胞的弹性特性.
- 应用深度学习对时间解析的声衍生数据.
- 使用物理模型进行调查分类.
主要成果:
- 通过单个声测量,在区分细胞系方面取得了93%的准确性.
- 基于物理模型的证明分类,表明新的机械标记.
- 开发了一种原则证明的紧型传感器设计.
结论:
- 声波声学与深度学习相结合,可以准确评估细胞弹性.
- 这项技术对早期癌症检测和诊断具有前途.
- 紧的传感器设计与体内应用的针头和内镜兼容.
