使用深度学习检测细胞病变效应和克隆选择
Yu Yuan1,2, Tony Wang1, Jordan Sims1
1Amgen, Inc., Thousand Oaks, 91320, CA, USA.
Pharmaceutical research
|July 24, 2024
概括
监督深度学习算法自动化细胞成像分析,用于病毒检测和细胞系发育. 这些人工智能工具的准确性超过95%,比手工检查提供更快,更具成本效益的解决方案.
科学领域:
- 生物技术是生物技术.
- 细胞生物学 细胞生物学
- 人工智能的人工智能
背景情况:
- 微观细胞成像在生物技术中对于分析细胞形态和状态至关重要.
- 对细胞图像进行手动检查,用于诸如细胞病变效应 (CPE) 检测和克隆性验证等应用,耗时且劳动密集.
研究的目的:
- 开发和评估监督深度学习算法,用于在显微镜图像中自动检测细胞.
- 提高鉴定细胞病变效应 (CPE) 的效率和准确性,并验证细胞系发育中的克隆性.
主要方法:
- 使用图像处理技术与卷积神经网络 (CNN) 相结合.
- 在专家标记的显微镜图像数据上训练并测试算法.
主要成果:
- 在准确性和处理速度方面取得了有希望的结果.
- 在CPE检测和克隆选择任务中都证明了高精度 (超过95%).
结论:
- 监督深度学习为生物技术中细胞成像分析的自动化提供了准确和高效的方法.
- 拟议的算法为病毒检测和细胞系开发等关键应用提供了具有成本效益的解决方案.
