用显微镜进行质谱成像的图像校正和记录的多式管道
Weiwei Tang1, Zhen Li2, Yuchen Zou1
1State Key Laboratory of Natural Medicines and School of Traditional Chinese Pharmacy, China Pharmaceutical University, Nanjing, 210009, China.
Analytica chimica acta
|November 17, 2023
概括
这项研究引入了一种新的深度学习策略,以精确地将矩阵辅助激光消耗/电离质谱成像 (MALDI MSI) 与组织学图像对齐. 这种整合通过将分子数据与病理特征联系起来,增强了复杂生物组织的分析.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 质谱测量质量谱测量
- 计算生物学 计算生物学
背景情况:
- 矩阵辅助激光脱/电离质谱成像 (MALDI MSI) 和组织学提供了关于组织组成的补充信息.
- 由于空间分辨率和数据格式的差异,整合这些模式具有挑战性.
- 准确的图像注册对于将分子数据与组织形态联系起来至关重要.
研究的目的:
- 开发和验证一种新的计算管道,用于准确地纠正和记录 MALDI MSI 数据,并使用血素和乙素 (H&E) 染色组织学图像.
- 为了实现无的多式模式图像融合,用于增强生物组织分析.
- 为了促进分子代谢和病理发现的微区域级相关性.
主要方法:
- 开发了一个基于深度学习的插值算法,以解决 MALDI MSI 数据中的空间分辨率差异.
- 相关转换 (AT) 和移动最小平方算法用于图像注册.
- 该管道在老鼠大脑组织部分上进行了测试,包括脑缺血-再输液损伤模型.
主要成果:
- 拟议的战略成功地纠正和注册了MALDI MSI数据与高精度的H&E图像.
- 深度学习插值确保了成像模式之间的空间连贯性和方向匹配.
- 该管道在老鼠脑损伤模型中展示了实用的实用性,使微区域分析成为可能.
结论:
- 开发的管道为MALDI MSI和组织学的多模式图像融合提供了有效的解决方案.
- 这种方法通过将分子和病理信息联系起来,增强对复杂异质组织的理解.
- 该方法有可能通过改进数据集成来推进各种生物成像领域.
更多相关视频
07:13Author Spotlight: An Efficient and Robust Software for Automated Fusion of Multiple Preclinical Imaging Modalities
Published on: October 27, 2023
1.2K
09:43Multimodal Study of Murine Cardiovascular Remodeling: Four-Dimensional Ultrasound and Mass Spectrometry Imaging
Published on: January 10, 2025
1.2K
