基于人工智能的亡细胞分类使用相对比图像K562细胞的相对比图像

科学领域:

• 细胞生物学 细胞生物学
• 生物技术是生物技术.
• 计算生物学是一种计算生物学.

背景情况:

• 手动细胞分类,特别是细胞亡,耗时且容易出现人为错误.
• 自动化这一过程对于高效的研究和诊断至关重要.

研究的目的:

• 开发和评估人工智能 (AI) 模型,使用相对比显微镜进行自动细胞分类.
• 具体来说,以高精度识别K562细胞中的亡.

主要方法:

• 诱导K562细胞进入亡并染色以检测DNA碎片化和酶活性.
• 获得相对比和光显微镜图像.
• 通过五倍交叉验证,训练和验证了两个AI模型 (Lobe (R) 和ResNet50).

主要成果:

• 两种人工智能模型都准确地将细胞分为三个与亡相关的不同组.
• 分类依赖于微妙的相对比图像变化,表明了亡的进展.
• 基于服务器的ResNet50模型在重复训练后表现更好.

结论:

• 人工智能辅助相对比显微镜为细胞分类提供了强大的,自动化的解决方案,特别是用于亡研究.
• 这种方法可以显著加快药物开发和医学诊断的高通量查.
• 它减少了手工工作量,提高了分类准确性,有望在癌症研究中取得进展.