基于水力动力变形和深度视频识别的胎儿和成人红细胞的分类
Peter Johannes Tejlgaard Kampen1, Gustav Ragnar Støttrup-Als1, Nicklas Bruun-Andersen1
1Department of Applied Mathematics and Computer Science, Technical University of Denmark, Kongens Lyngby, Denmark.
Biomedical microdevices
|December 14, 2023
概括
使用深度神经网络的流细胞计准确地根据其变形区分成人和胎儿红细胞. 这种方法对细胞分类有希望,对成年细胞的准确性更高.
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
- 机器学习 机器学习
背景情况:
- 基于流的变形细胞计是细胞分类的一个有前途的技术.
- 成人和胎儿之间红细胞 (RBC) 的特性不同,影响它们的机械行为.
研究的目的:
- 用基于流量的变形细胞测量来证明细胞分类的原理.
- 用它们的动态变形模式来区分成人和胎儿的红细胞.
- 为了评估深度神经网络对此分类任务的准确性.
主要方法:
- 使用注射成型的微流体芯片来控制细胞变形.
- 捕捉成人和胎儿红细胞在微流体通道内变形的高分辨率视频.
- 采用SlowFast深度神经网络,它分析时间动态,用于细胞分类.
主要成果:
- 在区分成人和胎儿红细胞方面取得了很高的准确性.
- 与胎儿红细胞相比,观察到成人红细胞的分类精度更高.
- 对于两种细胞类型,不同捐赠者的分类准确度没有显著差异.
结论:
- 深度神经网络分析流动诱导的细胞变形是有效的区分成人和胎儿红细胞.
- 慢速网络处理时间信息的能力对于准确的分类至关重要.
- 变形细胞测量为红细胞表征提供了一种可行的,高精度的方法.
