无标签可视化和分段内皮细胞线粒体使用全息显微镜和U-Net

科学领域:

• 细胞生物学 细胞生物学
• 心血管研究研究心血管研究
• 生物医学成像技术 生物医学成像技术

背景情况:

• 内皮细胞 (EC) 的线粒体功能对于心血管疾病 (CVD) 的进展至关重要.
• 目前的方法缺乏对线粒体动态的实时观察,例如融合和裂变.
• 全息显微镜 (HTM) 提供无标签的实时EC可视化.

研究的目的:

• 开发一种机器学习模型,用于分析EC的HTM图像.
• 为了实现 EC 中线粒体网络的实时可视化和跟踪.
• 推进对线粒体在心血管疾病中的作用的研究.

主要方法:

• 开发了一个带有Resnet18编码器的U-net学习器.
• 训练模型识别四个类别:线粒体网络,细胞边界,EC和背景.
• 将模型应用于内皮细胞的全息显微镜图像.

主要成果:

• 机器学习模型准确地识别了HTM图像中的线粒体结构和位置.
• 在可视化线粒体网络方面实现了高精度和相似度指标.
• 成功实现了ECs内线粒体动态的可视化.

结论:

• 开发的模型与用于EC线粒体分析的HTM图像兼容.
• 这种方法有助于研究线粒体网络动态及其对心血管疾病的影响.
• 为推进心血管疾病研究提供了一个有前途的工具.