基于形态学的深度学习能够准确地检测中细胞干细胞培养中的衰老
Liangge He1,2, Mingzhu Li1, Xinglie Wang1
1Guangdong Key Laboratory for Biomedical Measurements and Ultrasound Imaging, National-Regional Key Technology Engineering Laboratory for Medical Ultrasound, School of Biomedical Engineering, Shenzhen University Medical School, 1066 Xueyuan Avenue, Shenzhen, 518060, China.
BMC biology
|January 3, 2024
概括
一个新的深度学习系统使用形态学准确检测衰老的介质细胞干细胞 (MSCs). 这项技术为细胞治疗和抗衰老研究中评估细胞质量提供了一种可靠的大规模方法.
科学领域:
- 生物技术是生物技术.
- 细胞生物学 细胞生物学
- 人工智能在医学中的应用
背景情况:
- 细胞衰老是衰老和与年龄相关的疾病的一个关键因素.
- 介质干细胞 (MSC) 的衰老可以降低细胞治疗的疗效和安全性.
- 精确检测衰老的MSC对于细胞治疗的发展至关重要.
研究的目的:
- 开发一种可靠的,大规模的方法来评估活体MSC成像中的衰老单细胞.
- 解决传统形态学评估的主观性和不确定性.
- 创建一个工具来评估细胞生产期间的MSC衰老.
主要方法:
- 基于形态的布区域卷积神经网络 (Cascade R-CNN) 系统的开发.
- 布式R-CNN系统用于检测老化的MSC的应用.
- 测试系统的适用性,并将形态变化与其他衰老指标相关联.
主要成果:
- 成功开发了用于老化的MSC检测的级R-CNN系统.
- 该系统自动定位和评估各种尺寸和形状的单个MSC中的衰老.
- 在形态变化和其他衰老标志物之间证明了相关性.
结论:
- 首次应用深度学习用于衰老的MSC检测,具有有前途的性能.
- 该系统为MSC培养和抗衰老药物开发提供了一种节省劳动力和具有成本效益的查工具.
- 为集成细胞生产提供一种非侵入性,实时形态图像分析工具.
