通过使用深度学习在体积电子显微镜中细胞器官的自动细分,使用深度学习
Nebojša Nešić1, Xavier Heiligenstein2, Lydia Zopf3,4
1Department of Computer Science and Electrical Engineering, Singidunum University, Belgrade, Serbia.
Microscopy research and technique
|March 19, 2024
概括
我们开发了FAMOUS,这是一种深度学习方法,用于快速自动地对3D细胞有机体进行轮细分. 这种人工智能方法显著加速了生命科学中的图像分析,使得高通量定量细胞生物学成为可能.
科学领域:
- 细胞生物学 细胞生物学
- 生物物理学的生物物理.
- 计算生物学是一种计算生物学.
背景情况:
- 人工智能 (AI) 和深度学习越来越多地用于生命科学中的图像分析.
- 训练人工智能算法需要大型,认证的标记数据集,这是一个耗时的过程.
- 准确的细胞结构实例细分对于定量生物见解至关重要.
研究的目的:
- 从电子显微镜数据开发一种快速的,自动化的方法来细分和量化3D细胞器官.
- 在所需的时间和专业知识方面克服手动细分的局限性.
- 为了实现细胞结构的高通量定量分析.
主要方法:
- 开发了一种基于深度学习的方法,名为FAMOUS (快速自动概要细分).
- 著名集成器官检测,图像形态和3D网格用于自动细分.
- 该工作流应用于体积电子显微镜数据集,包括HeLa细胞和酵母细胞.
主要成果:
- FAMOUS在一周内为未见的数据集提供完整的细分结果.
- 该方法在不同的电子显微镜模式和细胞系中成功应用.
- 与手动细分相比,FAMOUS在速度和准确性方面表现出优越的性能.
结论:
- 著名提供了显著加速的3D细胞器官细分和量化过程.
- 这种人工智能驱动的工作流程促进了高通量定量细胞生物学研究.
- 该方法的效率和准确性使其成为分析复杂生物数据集的宝贵工具.
