通过使用深度学习的肌管和细胞核细分来对人类衍生的年轻和老年骨肌肉产生德甲副作用的定量分析
Seonghwan Park1, Min Young Kim2, Jaewon Jeong1
1Department of Robotics and Mechatronics Engineering, DGIST, Daegu, 42988, South Korea.
Bioinformatics (Oxford, England)
|January 3, 2025
概括
一种新的深度学习方法准确地分析骨肌细胞 (skMCs) 和它们的核,提高对肌肉发育和甲的理解.
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
- 计算生物学 计算生物学
背景情况:
- 骨肌细胞 (skMCs) 形成了对肌肉发育至关重要的多核神经管.
- 精确测量肌管大小,长度和细胞核数量至关重要,但由于肌管形状的变化而具有挑战性.
- 现有的方法往往产生不可靠的结果,阻碍了研究和药物开发.
研究的目的:
- 开发一种新的自动化方法,用于精确地对骨肌细胞进行定量分析.
- 研究德克萨米他对年轻和年老的人类骨肌细胞的影响.
- 建立一个标准化和一致的系统,用于myotube图像细分.
主要方法:
- 同时使用深度学习对神经管和细胞核进行细分.
- 后处理技术包括分水算法和骨架化,用于准确的核和分支识别.
- 从细分图像中对肌管直径和细胞核数量进行定量分析.
主要成果:
- 深度学习模型实现了神经管和细胞核的准确语义细分.
- 后处理有效地区分了重叠的核,并确定了髓管分支.
- 该自动化系统在分析用德甲治疗的年轻和老年SKMC时表现出色,表现优于人类实验者.
结论:
- 拟议的自动图像细分系统为肌管分析提供了标准化和一致的方法.
- 这种方法提高了骨肌研究中定量测量的可靠性.
- 预计该系统将加速治疗骨肌肉疾病的药物开发.
