相关实验视频
Updated: Jul 5, 2025
10:25
Deep Learning-Based Segmentation of Cryo-Electron Tomograms
Published on: November 11, 2022
8.8K
从使用深度学习的X射线微型CT图像中,自动3D细胞细分水果体组织,使用深度学习
Leen Van Doorselaer1, Pieter Verboven2, Bart Nicolai1,3
1Mechatronics, Biostatistics and Sensors (MeBioS), Biosystems Department, KU Leuven, Leuven, Belgium.
Plant methods
|January 19, 2024
概括
深度学习模型使用X射线微型CT扫描精确地在3D中对单个植物细胞进行细分. 这一进步提高了对植物组织形态学和生理过程的理解,克服了以前方法的局限性.
科学领域:
- 植物生物学 植物生物学
- 生物物理学的生物物理.
- 医学成像医学成像
背景情况:
- 高质量的3D植物组织形态对于了解植物生理学至关重要.
- X射线微CT提供3D微结构数据,但由于低密度对比,难以对单个细胞进行细分.
- 需要精确的细胞细分来分析植物组织中的细胞形态和空间组织.
研究的目的:
- 开发和评估深度学习模型,以使用X射线微型CT数据在3D中对单个植物细胞进行细分.
- 将深度学习模型的性能与现有的植物组织分析方法进行比较.
- 研究组织特征对细分精度的影响.
主要方法:
- 训练并测试了基于深度学习的模型,在果和梨膜组织的X射线微型CT图像上进行测试.
- 使用了具有不同细胞和多孔性特征的体组织样本.
- 使用聚合的贾卡德指数 (AJI) 评估细分业绩.
主要成果:
- 最好的深度学习模型实现了果的0.86和梨的0.73的AJI,超过了基准方法 (0.73和0.67).
- 该模型成功地识别了其他结构,如血管束和石细胞集群,揭示了它们对细胞组织的影响.
- 与梨树组织相比,果组织的细分精度更高,因为它具有较高的孔隙性和较低的特定表面积.
结论:
- 拟议的深度学习方法可以从微型CT进行自动化的3D细胞形态量化,取代手动或不太准确的方法.
- 在细分方面存在挑战,例如水果组织孔隙性低,孔隙网络连接性低或孔隙空间表面积高.
- 对于难以检测的样品,可能需要先进的对比度增强扫描协议来准确检测细胞轮.
