普雷斯托细胞:一种基于持久性的聚类方法,用于在三维数据中快速和稳健地对细胞形态进行细分
Yue Wu1, Ingrid Brust-Mascher2, Melanie G Gareau2
1Department of Computer Science, UC Davis, Davis, California, United States of America.
PloS one
|February 29, 2024
概括
使用基于持久性的聚类的新Python工具PrestoCell在光显微镜图像中准确地细分细胞. 它与现有的软件竞争,并为没有数据科学专业知识的研究人员简化分析.
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.
- 计算生物学是一种计算生物学.
背景情况:
- 光显微镜产生了大量的成像数据,超过了当前的分析工具.
- 现有的图像细分软件与3D结构和复杂的生物样本作斗争.
- 机器学习方法面临着某些生物结构的局限性.
研究的目的:
- 介绍PrestoCell,一种基于Python的新工具,用于光显微镜中的细胞细分.
- 为了解决生物样本当前图像分析技术的局限性.
- 为定量图像分析提供可访问和准确的解决方案.
主要方法:
- 使用基于持久性的聚类来进行图像细分.
- 开发了一个定制的Python工具,与Napari浏览器集成.
- 嵌入了细胞核信息,以提高细分精度,特别是对于相互作用的细胞.
主要成果:
- 普雷斯托塞尔表现出了与3DMorph,Omipose和Imaris等既有工具相匹配的性能.
- 在细分单个和相互作用细胞方面取得了高精度.
- 从光板显微镜大数据集上成功执行图像细分.
结论:
- 在光显微镜中,PrestoCell为细胞细分提供了强大,准确和用户友好的解决方案.
- 开源工具降低了缺乏专业数据或计算专业知识的研究人员的障碍.
- 能够对大规模成像数据集进行定量分析,促进生物研究.
更多相关视频
12:08From Voxels to Knowledge: A Practical Guide to the Segmentation of Complex Electron Microscopy 3D-Data
Published on: August 13, 2014
24.6K
08:59Morphology-Based Distinction Between Healthy and Pathological Cells Utilizing Fourier Transforms and Self-Organizing Maps
Published on: October 28, 2018
7.1K
