西安深度学习视频流细胞计用于自动和无标签的临床宫癌细胞分析
Chao Liu1,2, Zeng Yuan3, Qiao Liu4
1School of Integrated Circuits, Shandong University, Jinan 250101, China.
Biomedical optics express
|April 18, 2024
概括
这项研究引入了语深度学习视频流动细胞计,用于无涂抹的宫癌细胞分析. 这种自动化,无标签的方法提高了早期癌症检测的分类准确性.
科学领域:
- 生物医学光学 生物医学光学
- 计算生物学 计算生物学
- 医疗成像医学成像
背景情况:
- 通过自动,无标签的方法可以改善宫癌查,特别是在资源有限的环境中.
- 目前用于临床样本分析的深度学习方法通常需要手动注释数据集,这构成了重大挑战.
研究的目的:
- 开发一种新的,无涂抹的方法来分析临床宫癌细胞样本.
- 为了利用自我监督的语深度学习来进行无标签的细胞分类.
- 为了提高自动化宫癌细胞检测的准确性.
主要方法:
- 利用视频流细胞测量来捕捉高含量,光散射图像的单细胞没有标签.
- 开发了一种自我监督的语深度学习模型,其中包含了细胞谱系信息.
- 从血统细胞生成相似度指标,作为临床细胞分析的注释.
主要成果:
- 对于无标签的临床宫癌细胞,达到高达87.11%的分类准确度.
- 与现有的深度学习方法相比,其准确度提高了5.62%.
- 在不需要细胞涂抹的情况下成功分析了临床宫癌细胞.
结论:
- 西安深度学习视频流细胞计为从临床样本中进行自动,无标签的细胞分析提供了一个有希望的方法.
- 该方法消除了对细胞涂抹的需求,简化了样本准备.
- 这项技术在临床环境中对各种细胞类型的分析有潜在的应用.
更多相关视频
08:56Simultaneous Imaging and Flow-Cytometry-based Detection of Multiple Fluorescent Senescence Markers in Therapy-Induced Senescent Cancer Cells
Published on: July 12, 2022
2.9K
09:11Automation of the Micronucleus Assay Using Imaging Flow Cytometry and Artificial Intelligence
Published on: January 27, 2023
2.1K
