OoCount:一种基于机器学习的方法来计算和分类小鼠卵巢囊

科学领域:

• 生殖生物学 生殖生物学
• 生物成像是一种生物成像.
• 计算生物学是一种计算生物学.

背景情况:

• 卵巢卵泡的数量和分布是生殖健康的关键指标.
• 由于3D卵巢结构的复杂性,精确的量化具有挑战性.
• 显微镜图像的自动化分析正在迅速推进机器学习.

研究的目的:

• 开发和验证OoCount,这是一个开源的,高吞吐量管道,用于自动化卵细胞细分和分类在3D整个小鼠卵巢.
• 为准确的卵泡计数和分期提供可访问的工具,改善卵巢功能的研究.

主要方法:

• 一个快速的组织清除和3D成像协议,用于整个山鼠卵巢.
• 深度学习 (CNN) 使用StarDist和DL4MicEverywhere进行自动化卵细胞细分.
• 纳帕里插件用于加速像素和对象分类到卵细胞阶段.

主要成果:

• OoCount 能够从3D光显微镜图像中实现高通量,自动化的卵细胞细分和分类.
• 该管道成功量化了围产期和成年小鼠卵巢中的卵细胞数量和生长阶段.
• 证明了OooCount对各种实验室成像条件的定制.

结论:

• OoCount提供了一个端到端的解决方案,用于准确的3D卵巢卵泡分析.
• 这种开源工具提高了研究卵巢功能,生育能力和生殖健康的能力.
• 可定制管道使更广泛的研究社区能够获得先进的图像分析.