相关实验视频
Updated: Jul 11, 2025

05:27
Imaging the Aging Cochlea with Light-Sheet Fluorescence Microscopy
Published on: September 28, 2022
2.3K
在正常衰老的人类耳中神经退化:机器学习计算和3D映射在档案部分
Pei-Zhe Wu1,2, Jennifer T O'Malley3,4, M Charles Liberman3,4
1Eaton-Peabody Laboratories, Massachusetts Eye and Ear Infirmary, 243 Charles St., Boston, MA, 02114-3096, USA. Peizhe-Wu@uiowa.edu.
Journal of the Association for Research in Otolaryngology : JARO
|November 13, 2023
概括
一个新的机器学习算法准确地计算人类骨中的螺旋质细胞 (SGC),揭示了基底中的SGC退化速度更快,以及幸存细胞中的与年龄相关的轴突损失.
科学领域:
- 神经科学是一个神经科学.
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
- 计算生物学 计算生物学
背景情况:
- 螺旋质细胞 (SGCs) 对于听力至关重要.
- 手动SGC计数是耗时的.
- 现有的方法缺乏详细的空间映射.
研究的目的:
- 开发一个自动机器学习算法用于SGC量化.
- 启用SGCs的3D可视化和频率特定映射.
- 研究正常衰老的人类囊中的SGC生存模式.
主要方法:
- 机器学习算法用于自动化SGC识别和计数.
- 数字化半序列人类骨截面的分析.
- SGCs的3D重建和耳频率映射.
主要成果:
- 该算法提供了准确和快速的SGC量化.
- 在基底尾中,SGC退化明显比尾尾更快.
- 幸存的SGC中很大一部分随着年龄的增长而失去其外周轴突.
结论:
- 自动化SGC分析比传统方法提供了显著的进步.
- 与年龄相关的SGC损失在人类尾管内是空间异质的.
- 年龄的增长与缺失外围轴突的SGC发生率更高相关.

