单探测器多重成像流细胞计用于癌细胞分类,使用深度学习
Zhiwen Wang1,2, Qiao Liu3, Jie Zhou1
1School of Integrated Circuits, Shandong University, Jinan, China.
概括
多重成像流细胞计 (mIFC) 能够同时对细胞进行亮场和多色成像. 一种深度学习方法实现了97.1%的准确性,使用mIFC数据对卵巢细胞系进行分类.
科学领域:
- 生物医学工程 生物医学工程
- 细胞生物学 细胞生物学
- 光学成像技术的成像
背景情况:
- 图像流动细胞计整合了流动细胞计和显微镜,用于先进的细胞分析.
- 现有的方法在同时进行多道成像和自动化数据处理方面存在局限性.
- 检测卵巢癌需要敏感和准确的单细胞分析技术.
研究的目的:
- 开发一种新的多重成像流细胞计 (mIFC) 系统,使用空间波长分割多重复合.
- 实施深度学习框架,用于自动处理和分析mIFC数据.
- 评估mIFC在区分正常和癌症卵巢细胞系方面的表现.
主要方法:
- 开发了一个由金属化物灯激发的单探测器mIFC系统.
- 利用空间波长分割多重复合用于同时亮场和多色光成像.
- 设计了一个包括U-net,VDSR和VGG19网络的深度学习模型,用于图像处理和细胞分类.
主要成果:
- 通过分辨率和放大测试镜头验证了mIFC性能,证明了微米级差异化能力.
- 与亮场,核或癌症抗原125 (CA125) 通道相比,分化24 (CD24) 通道的集群在分类卵巢细胞系方面表现出更高的灵敏度.
- 通过在所有四个成像通道中使用深度学习分析,对三种卵巢细胞系类型实现了97.1%的平均分类准确度.
结论:
- 开发的单探测器mIFC系统提供一致的成像通道和高差异化能力.
- 深度学习分析显著提高了从mIFC数据中单细胞分类的准确性.
- 这种mIFC技术有望在癌症检测和其他生物医学应用中推进自动化单细胞分析.
