伪光谱角度映射用于在高度复杂的免疫光图像中进行像素和细胞分类

科学领域:

• 计算病理学计算病理学
• 空间生物学 空间生物学
• 生物医学成像分析分析

背景情况:

• 高复合显微镜产生丰富的空间数据,用于研究本地组织中的细胞.
• 从这些技术中分析高内容图像需要强大的和可概括的计算工具.
• 现有的方法难以在高复杂成像数据中评估细胞成分和肌体.

研究的目的:

• 为了适应光谱角度映射用于高复合性免疫光 (IF) 图像分析.
• 开发一种强大而灵活的方法,用于高复合图像中的像素分类.
• 为了能够在复杂的组织环境中准确地分类单个细胞.

主要方法:

• 将光谱角度映射 (SAM) 改为伪光谱角度映射 (pSAM),以压缩高复合IF图像的通道维度.
• 使用pSAM类地图生成像素分类.
• 结合pSAM衍生类图与实例细分 (Cellpose2.0) 进行细胞分类.

主要成果:

• 在结肠活检 (13-plex) 中,pSAM生成了16个类图,使细胞能够被Cellpose2.0.0分类为13种细胞类型.
• 在脏活检 (44倍数) 中,pSAM加Cellpose2.0检测到38种不同的结构和免疫细胞类.
• 在结肠和脏数据集中实现了高性能得分 (0.85和0.82),证明了强度.

结论:

• pSAM是一种强大而可通用的工具,用于分析高复杂的IF图像数据.
• pSAM 便于在高维图像中对细胞进行分类.
• 这种方法增强了空间生物学中细胞和组织结构的研究.