在微流中使用机器学习视频分析对化学修饰的红细胞进行分类
R K Rajaram Baskaran1, A Link1, B Porr1
1Division of Biomedical Engineering, School of Engineering, University of Glasgow, Oakfield Avenue, Glasgow G12 8LT, UK. thomas.franke@glasgow.ac.uk.
Soft matter
|December 13, 2023
概括
我们开发了一个人工智能视频分类器来区分原生和改造的红细胞,达到90%以上的准确性. 这种方法分析细胞形状和运动,为传统细胞计提供了无标签的替代方案.
科学领域:
- 生物医学工程 生物医学工程
- 人工智能在医学中的应用
- 细胞生物学 细胞生物学
背景情况:
- 传统的细胞计通常依赖于免疫类型,这可能是复杂的,需要光标签.
- 分析红细胞形态和动态对于诊断各种病理状况至关重要.
- 需要快速,无标签的方法来对红细胞进行分类.
研究的目的:
- 开发和验证基于人工智能的视频分类器,用于区分原生红细胞和化学修饰的红细胞.
- 评估AI视频分析在捕获RBC形态和运动动态方面的能力.
- 展示一种新的微流体方法,用于快速,无标签的细胞分类.
主要方法:
- 利用TensorFlow进行红细胞视频分析.
- 采用微流体细胞计来捕捉细胞形状和运动轨迹.
- 以三种不同的方式化学修饰红细胞来模拟病态状况.
- 训练了一个人工智能视频分类器来区分原生和修改的红细胞.
主要成果:
- 与原生细胞相比,所有三种修饰细胞类型的分类准确度都超过了90%.
- 证明AI视频分析有效地捕捉RBC形态和运动动态.
- 微流体细胞计成功地根据形状和流量对细胞进行了分类,而没有光标签.
结论:
- 基于AI的视频分类为分类红细胞提供了高度准确和高效的方法.
- 这种无标签的微流体方法比传统的免疫类型定型细胞计具有显著的进步.
- 这项技术有可能快速诊断与红细胞相关的病理状况.
更多相关视频
09:12Characterization of Human Monocyte Subsets by Whole Blood Flow Cytometry Analysis
Published on: October 17, 2018
57.8K
09:44Flow Cytometric Analysis of Mitochondrial Reactive Oxygen Species in Murine Hematopoietic Stem and Progenitor Cells and MLL-AF9 Driven Leukemia
Published on: September 5, 2019
7.3K
