基于深度学习在一天内预测中细胞干细胞的早期骨质分化
Qiusheng Shi1, Fan Song1, Xiaocheng Zhou2
1Key Laboratory of Biomechanics and Mechanobiology (Beihang University), Ministry of Education, Beijing Advanced Innovation Center for Biomedical Engineering, School of Biological Science and Medical Engineering, Beihang University, No. 37 Xueyuan Road, Haidian District, Beijing, 100191, China.
Annals of biomedical engineering
|March 15, 2024
概括
深度学习使用简单的明亮场图像准确地检测介质干细胞 (MSC) 中的早期骨质分化. 这种AI方法为再生医学中细胞检测提供了更快,更精确的方法.
科学领域:
- 生物技术是生物技术.
- 再生医学是一种再生医学.
- 人工智能的人工智能
背景情况:
- 骨干干细胞 (MSC) 的骨质分化对于骨组织工程至关重要.
- 目前的检测方法依赖于免疫组织化学,通常在5-7天确定标记物.
研究的目的:
- 训练深度学习 (DL) 模型,特别是卷积神经网络 (CNN),用于定量测量MSC骨质基差异化.
- 开发一种人工智能驱动的方法,用于早期和准确地检测MSC差异化.
主要方法:
- 在早期分化 (第0,1,3,5,7天) 期间,使用相对比显微镜捕获了MSC的明亮场图像.
- 通过使用这些图像,CNN被训练来分类不分化的和分化的细胞.
- 这些模型在一个独立的测试集上进行了评估.
主要成果:
- 在识别无差异和区分MSC时,CNNs获得了0.961的高准确性.
- 这些模型成功地在诱导的第一天就识别了分化细胞.
- MSCs的形态特征被确定为CNN分类的主要基础.
结论:
- 通过使用简单的明亮场显微镜图像,DL网络可以准确和早期检测MSC分化.
- 这种由人工智能驱动的方法为再生医学和组织工程中的细胞检测提供了一种新且潜在的优越方法.
