相关实验视频
Updated: Aug 10, 2026
10:40
Single-Cell Resolution Three-Dimensional Imaging of Intact Organoids
Published on: June 5, 2020
16.3K
阶段FIT:通过生成人工智能进行活体有机体相光图像转换
Junhan Zhao1,2,3,4, Xiyue Wang5, Junyou Zhu1,2,3,6
1Division of Gastrointestinal and Oncologic Surgery, Department of Surgery, Massachusetts General Hospital, Boston, MA, 02114, USA.
Light, science & applications
|December 14, 2023
概括
研究人员开发了PhaseFIT,这是一个用于有机体成像的虚拟绘画系统. 这种人工智能工具将相对比图像转换为光图像,使药物查能够有效地定量表型.
科学领域:
- 有机体模型的模型.
- 高通量选的高通量选
- 生物图像分析分析
背景情况:
- 器官对研究器官发育和功能有价值.
- 基于图像的有机体表型量化是具有挑战性的,因为它们的3D结构和复杂的染色协议.
- 免疫光染是耗时和劳动密集的,限制了大规模分析.
研究的目的:
- 开发一个新的虚拟绘画系统,PhaseFIT,用于有机体表型定量.
- 为了使有机体图像能够使用可访问的相对比显微镜进行高效和准确的分析.
- 为了促进高通量药物查应用,使用有机模型.
主要方法:
- 开发了PhaseFIT,这是一个虚拟绘画系统,使用定制的2.5D肠道器官.
- 采用了基于细分的深度生成模型,用于从相对比图像到光图像的无注释转换.
- 验证了系统在细分核,分泌细胞和干细胞方面的表现.
主要成果:
- PhaseFIT生成了细粒度的虚拟光图像,性能优于现有的深度学习模型.
- 该系统准确地量化了化合物对密室形成,细胞种群和干性的影响.
- 在活体有机体表型量化方面,PhaseFIT证明了效率和准确性.
结论:
- PhaseFIT是第一个支持深度学习的活体有机体虚拟绘画系统.
- 这项技术可以进行大规模,信息丰富和高效的有机体表型定量.
- PhaseFIT有可能显著推进高通量药物查应用.
