通过基于神经网络的散射快照识别来区分未知的细胞类别
Gaia Cioffi1, David Dannhauser1, Domenico Rossi2
1Interdisciplinary Research Centre on Biomaterials (CRIB) and Dipartimento di Ingegneria Chimica, dei Materiali e della Produzione Industriale, Università degli Studi di Napoli "Federico II", Piazzale Tecchio 80, 80125 Naples, Italy.
Biomedical optics express
|October 19, 2023
概括
这项研究引入了一个开放式的神经网络,用于在生命科学中分类未知的细胞类型. 该方法精确检测未知细胞并量化预测不确定性,改进深度学习应用程序.
科学领域:
- 生命科学 生命科学
- 生物技术是生物技术.
- 计算生物学 计算生物学
背景情况:
- 神经网络图像分类在生命科学中至关重要,但与未知数据作斗争.
- 当前的封闭集模型错误地分类未知图像,需要先进的方法.
- 开放集分类通过区分已知的和未知的数据分布提供了一个解决方案.
研究的目的:
- 实施和评估活细胞图像分析的开放集分类方法.
- 区分已知的单细胞细胞类和未知的瘤细胞系.
- 评估实验错误的影响,并优化神经网络超参数用于未知细胞检测.
主要方法:
- 应用了一个开放式神经网络框架来分散活细胞的快照.
- 针对四个已知的单细胞细胞类和一个未知的瘤单细胞细胞系.
- 研究了实验样本错误和优化了神经网络超参数.
主要成果:
- 开放式方法成功地区分了已知的和未知的细胞类.
- 在检测未知的瘤细胞系方面取得了高精度.
- 证明了对实验样本噪声的强度.
- 神经网络揭示了细胞预测中的测量不确定性.
结论:
- 开放式分类对于在生命科学成像中识别未知的细胞类型是有效的.
- 开发的方法对实验噪声具有强度,这是生物应用的关键要求.
- 该方法为单细胞分类的预测不确定性提供了有价值的见解.
- 这个框架在各种单细胞分析任务中具有广泛的适用性.
