基于直接基于多个离轴全息投影的细胞分类的无标签成像流细胞计
Dana Aharoni1, Matan Dudaie1, Itay Barnea1
1Tel Aviv University, Department of Biomedical Engineering, Faculty of Engineering, Tel Aviv, Israel.
Journal of biomedical optics
|January 24, 2025
概括
这项研究引入了一种新的,无标签的成像流细胞计法,用于实时细胞分类. 该技术使用全息投影的深度学习,显著提高白细胞分析的吞吐量和准确性.
科学领域:
- 生物光子学和成像技术
- 细胞生物学 细胞生物学
- 机器学习在医学中的应用
背景情况:
- 图像流细胞计 (IFC) 可以进行详细的细胞分析,但通常需要染色和复杂的处理.
- 离轴全息提供无标签成像,但传统方法涉及计算密集的预处理,限制吞吐量.
- 实时细胞分类对于高通量生物测试和临床诊断至关重要.
研究的目的:
- 开发一个自动细胞分类方案,用于无污染IFC.
- 直接利用离轴全息投影进行分类,而无需预处理.
- 为了提高分类准确度和白细胞的吞吐量.
主要方法:
- 一个专门的离轴全息显微镜系统是为获取流动中的白细胞而建造的.
- 深度学习模型直接应用于离轴全息投影 (全息空间).
- 用多个视角的全息投影来捕获全面的细胞信息.
主要成果:
- 拟议的方法使用十个全息投影,与单个投影相比,实现了7.69%的精度改进.
- 直接全息投影分析的性能比需要定量阶段形状预处理的方法高出17.95%.
- 该技术简化了计算过程,使细胞分类吞吐量大幅增加.
结论:
- 这种无标签的IFC方法促进了蜂数据集的高通量,高内容分析.
- 该方法显示了在临床环境中实时细胞分类的巨大潜力.
- 对全息投影的直接分析为传统的IFC方法提供了更有效和更有信息的替代方案.
