使用无标签4D显微镜进行自动细胞系重建.
Matthew Waliman1, Ryan L Johnson2, Gunalan Natesan2
1Department of Electrical and Computer Engineering, University of California, Los Angeles, California, United States of America.
bioRxiv : the preprint server for biology
|February 8, 2024
概括
一种新的深度学习方法,embGAN,在3D实时成像中自动检测和跟踪细胞,而无需手动注释. 它在各种成像条件下实现了强大的,规模不变的细胞跟踪.
科学领域:
- 细胞生物学 细胞生物学
- 生物成像是一种生物成像.
- 机器学习是机器学习.
背景情况:
- 自动细胞检测和跟踪对于在3D时隔显微镜中对生物过程的定量分析至关重要.
- 无标签成像通过避免光毒性和与光标签相关的工件提供了优势.
- 现有的方法往往需要手动注释或与成像条件的变化作斗争.
结论:
- 在无标签的3D实时成像中,embGAN为自动化细胞分析提供了高效和可扩展的解决方案.
- 这种深度学习方法减少了手动细胞跟踪的劳动密集性.
- 通过实现高吞吐量分析,embGAN有可能加速细胞生物学和药物发现研究.
