自动细分和识别C. elegans全身细胞的自动细分和识别
Yuanyuan Li1, Chuxiao Lai1, Meng Wang1
1Ministry of Education Key Laboratory of Intelligent Computation and Signal Processing, Information Materials and Intelligent Sensing Laboratory of Anhui Province, School of Electronics and Information Engineering, Anhui University, Hefei, Anhui 230039, China.
Bioinformatics (Oxford, England)
|May 22, 2024
概括
这项研究引入了C.elegans细胞的自动细分和识别 (ASR),使单细胞分析得以准确. 这种新的深度学习管道成功地在没有标记的3D显微镜图像中对全身细胞进行细分和识别.
科学领域:
- * 发育生物学 发育生物学
- * 细胞生物学 * 细胞生物学
- * 显微镜图像分析
背景情况:
- *精确的细分和识别C.elegans细胞对于单细胞水平的生物学研究至关重要.
- *C.elegans细胞分析的挑战包括3D光显微镜图像中的密集分布,相似形状和不均的强度.
- *现有的方法往往需要信托标记或仅分析细胞子集,强调需要一种无标记方法.
研究的目的:
- * 开发和应用一种新的,无标记物管道,用于在3D光显微镜图像中自动细分和识别全身C.elegans细胞.
- * 通过使用深度学习方法来应对拥挤的细胞分布和模糊的边界所带来的挑战.
- *验证管道的性能并评估其适用于其他类型的电池.
主要方法:
- * 开发一个自动化细分和识别 (ASR) 管道.
- * 实现了基于移位矢量领域的新型深度学习模型用于细胞细分,对于边界模糊的拥挤细胞特别有效.
- *通过编码和利用细胞位置和邻近细胞结构相似性的统计先验来实现细胞识别.
主要成果:
- *ASR管道成功应用于L1阶段C.elegans3D光显微镜图像,其中包含558个全身细胞.
- *ASR细分模块在116个图像堆 (64,728个细胞) 中实现了0.8956的高F1得分,精度为0.9880和AJI为0.7813.
- *ASR识别模块的平均准确率为0.8879.9
- * 管道显示适用于其他细胞类型,包括Platynereis和老鼠细胞.
结论:
- *开发的自动细分和识别 (ASR) 管道是第一个成功的方法,用于细分和识别全身C.elegans细胞.
- *新的深度学习方法有效地应对与密集的细胞群和模糊的边界相关的挑战.
- *ASR管道为C.elegans研究提供了有价值的,无标记的工具,并显示了在细胞图像分析中更广泛应用的潜力.
