定量图像分析管道用于检测循环混合细胞在免疫光图像中以人类水平的精度
Robert T Heussner1, Riley M Whalen2, Ashley Anderson2
1Department of Biomedical Engineering, Oregon Health & Science University, Portland, Oregon, USA.
概括
使用图像分析管道在癌症患者中自动检测循环混合细胞 (CHC) 显著提高了准确性,并减少了与手工方法相比的偏差. 这种新方法有助于理解转移,并识别潜在的生物标志物.
科学领域:
- 计算生物学 计算生物学
- 癌症研究 癌症研究
- 医学成像分析 医学成像分析
背景情况:
- 循环杂交细胞 (CHC) 是患者血液中的瘤衍生细胞,与癌症转移有关.
- 通过对外围血液单核细胞 (PBMCs) 的免疫光 (IF) 成像来手动识别CHCs是艰苦的,主观的,容易产生人工物.
- 现有的方法面临PBMC涂抹文物和细胞计数中的潜在偏差的挑战.
研究的目的:
- 开发和验证一个强大的图像分析管道,用于自动检测和分析IF图像中的CHC.
- 解决手动注释的局限性,包括时间消耗,主观性和潜在的偏见.
- 评估管道与人类注释器的性能及其超出CHC检测的实用性.
主要方法:
- 开发了一种自动化图像分析管道,包含样本准备和文物清除的质量控制.
- 使用β-变量自编码器 (β-VAE) 来学习单细胞图像的潜在表示.
- 采用支持矢量机 (SVM) 分类器用于CHC检测,在β-VAE嵌入上受过训练.
主要成果:
- 该管道显示F1得分为0.80,相当于人类注释者的平均表现.
- 手动注释显示了显著的注释者之间的变化 (对65%的细胞达成一致) 和低估偏差大细胞群.
- 自动管道对感兴趣区域 (ROI) 的大小没有偏见,可以识别离散的细胞表型.
结论:
- 自动图像分析管道为IF图像中CHC检测提供了准确,公正和高效的方法.
- 该工具有助于研究CHCs在癌症进展中的作用及其作为转移生物标志物的潜力.
- 该管道识别多种细胞表型的能力突显了其在PBMC分析中的更广泛应用.
