通过细胞形态学评估单个循环瘤细胞活力的深度学习辅助评估
Yiyao Yang1, Zhaoliang Wang2,3, Tingting Hao1
1State Key Laboratory for Managing Biotic and Chemical Threats to the Quality and Safety of Agro-products, School of Material Science and Chemical Engineering, Ningbo University, Ningbo 315211, PR China.
Analytical chemistry
|October 9, 2024
概括
这项研究引入了一个深度学习模型来评估血液中循环瘤细胞 (CTC) 的生存能力. 人工智能模型准确地识别和分析单个CTC,帮助癌症诊断和治疗监测.
科学领域:
- 在瘤学瘤学.
- 生物医学工程 生物医学工程
- 人工智能在医学中的应用
背景情况:
- 循环瘤细胞 (CTC) 是癌症转移和复发的重要指标.
- 评估CTC活力对于癌症诊断,预后和治疗疗效至关重要.
- 血液中CTCs的稀缺性对准确的单细胞生存能力评估提出了挑战.
研究的目的:
- 开发和验证一个深度学习模型,以准确识别和评估单个CTC的可行性.
- 克服传统方法在分析罕见CTC的局限性.
- 为在临床环境中评估CTC可行性提供一种非侵入性工具.
主要方法:
- 基于卷积神经网络 (CNN) 的深度学习模型被构建和训练.
- 该模型被训练以提取具有不同可行性的CTC的形态特征.
- 细胞活力是使用细胞计数工具-8试验来定义的.
主要成果:
- 深度学习模型实现了对CTC的准确识别.
- 该模型成功地根据形态特征评估了单个CTC的可行性.
- 开发的方法在CTC可行性分析中证明了效率和准确性.
结论:
- 深度学习为单一CTC可行性评估提供了一种强大的,非侵入性的方法.
- 这项技术在改善癌症诊断,预后和治疗监测方面具有重大潜力.
- 这种由人工智能驱动的方法解决了在血液样本中分析罕见CTC的挑战.
