SpheroScan:一个用户友好的深度学习工具,用于球形图像分析
Akshay Akshay1,2, Mitali Katoch3, Masoud Abedi4
1Functional Urology Research Group, Department for BioMedical Research DBMR, University of Bern, 3008 Bern, Switzerland.
GigaScience
|October 27, 2023
概括
我们开发了SpheroScan,这是一种用于分析3D球形图像的自动化工具. 这种基于深度学习的解决方案增强了球状试验的可重现性和吞吐量,推进了3D细胞培养研究.
科学领域:
- 生物医学工程 生物医学工程
- 细胞生物学 细胞生物学
- 药物发现 药物发现 药物发现
背景情况:
- 三维 (3D) 球形模型提供了一个比传统的二维文化更具生理相关的微环境.
- 3D球形测试提高了对细胞行为的理解,药物的有效性和毒性.
- 缺乏自动化工具阻碍了3D球形图像分析中的可复制性和吞吐量.
研究的目的:
- 开发一个自动化,用户友好的工具来分析3D球形图像.
- 为了提高3D球形测试的可复制性和吞吐量.
主要方法:
- 开发了SpheroScan,这是一款利用深度学习的基于网络的工具 (用卷积神经网络掩盖区域 - R-CNN).
- 在不同实验条件 (IncuCyte和常规显微镜) 的球形图像上训练了深度学习模型.
- 采用图像检测和细分用于自动化分析.
主要成果:
- SpheroScan为大型图像数据集提供自动化分析.
- 该工具提供交互式可视化功能,用于深入的数据探索.
- 对验证和测试数据集的性能评估显示出有希望的结果.
结论:
- SpheroScan显著推进了3D球形图像分析.
- 该工具有助于在研究中广泛采用3D球形模型.
- 开源代码和教程可用于SpheroScan.
