细胞SNAP:一个快速,准确的算法用于定量相位成像中的3D细胞细分

科学领域:

• 生物物理学的生物物理.
• 细胞生物学 细胞生物学
• 图像分析 图像分析

背景情况:

• 定量阶段成像 (QPI) 提供无标签的细胞形态和动态分析.
• 目前的QPI分析管道缺乏成熟的3D细胞细分工具.
• 现有的方法面临着光漂白,光毒性和对比剂可变性的局限性.

研究的目的:

• 在QPI中开发一种用于3D细胞细分的新算法.
• 解决QPI中分析原始3D断层影像的关键步骤.
• 为了实现QPI数据的高通量分析.

主要方法:

• 通过新型相位成像算法 (CellSNAP) 开发了细胞细分算法.
• 它采用了一种宝石提取类比:粗的3D挤出,然后使用细胞连续性进行精细细分.
• 该算法处理2D细分面具,并利用跨3D堆的连续性.

主要成果:

• 在单核处理器上,CellSNAP可以在每个单核处理器上在不到2秒的时间内实现细分.
• 它在处理聚集的细胞和干扰图漂移方面表现出强大,优于基于AI的工具.
• 与黄金标准相比,算法显示干质量 (5%) 和体积 (8%) 的差异很小.

结论:

• 细胞SNAP比现有的3D QPI细分方法更快,更少的内存密集,更强大.
• 它的基于规则的方法消除了对广泛培训数据的需求,促进了更广泛的QPI采用.
• 该工具旨在加速高通量QPI分析,克服一个关键的瓶.