一种深度学习方法来预测下丘脑-垂体器官的分化结果
Tomoyoshi Asano1, Hidetaka Suga2,3, Hirohiko Niioka4,5
1Department of Endocrinology and Diabetes, Nagoya University Graduate School of Medicine, Nagoya, 466-8550, Japan.
Communications biology
|December 6, 2024
概括
深度学习模型以70%的准确度从图像中预测垂体器官分化,优于人类专家. 这项技术可以帮助临床应用,如移植.
科学领域:
- 干细胞生物学 干细胞生物学
- 生物技术是生物技术.
- 医学中的人工智能
背景情况:
- 人类多能干细胞的三维培养产生垂体器官,但由于固有的细胞异质性,在保持一致的分化效率方面面临挑战.
- 有机体培养过程的实证性需要客观的方法来监测分化进展.
研究的目的:
- 开发和验证一种深度学习模型,能够使用图像分析预测垂体器官的适当分化.
- 与专家人类观察员相比,评估模型的预测准确度.
主要方法:
- 利用人类多能干细胞的三维培养系统来产生垂体器官.
- 使用深度学习模型,特别是EfficientNetV2-S和Vision Transformer,训练有机体的明亮场图像.
- 整合了VENUS-coupled RAX表达作为差异化状态的标记,并利用集体学习来改进模型.
主要成果:
- 开发的深度学习模型在将有机体的明亮场图像分类为三个分化类别时达到70%的准确性,超过了专家预测.
- 集合学习使该模型能够预测RAX表达,即使在缺乏RAX::VENUS报告员的细胞中,也可以预测RAX表达,这表明了更广泛的适用性.
结论:
- 深度学习提供了一种强大,准确和客观的方法来监测垂体器官分化.
- 经过验证的模型显示了临床应用的潜力,包括指导细胞移植策略.
