SATINN v2:自动图像分析小鼠丸组织学与多实验室数据集成†

科学领域:

• 生殖生物学 生殖生物学
• 计算病理学计算病理学
• 生物信息学是一种生物信息学.

背景情况:

• 丸组织学分析对于男性生育研究至关重要,但耗时且需要专门的专业知识.
• 自动化这个过程可以显著提高效率和可访问性.

研究的目的:

• 开发和验证新的神经网络模型,用于在小鼠丸组织学图像中自动分类细胞类型和管状细胞阶段.
• 评估开发的工具在不同数据集和实验室中的通用性和稳定性.

主要方法:

• 开发神经网络模型,从全幻灯片明亮场图像中自动分类14种细胞类型和12种管状细胞阶段.
• 广泛的培训多样化和测试来自多个实验室的外部野生类型和突变数据集.
• 应用工具 (SATINN) 来分析来自八个突变系的丸图像和潜伏空间中的集群组织学图像.

主要成果:

• 细胞类型分类器实现了96%的外部验证准确度.
• 管状阶段分类器实现了63%的准确性 (96%与±1阶段容忍).
• SATINN成功地处理了各种数据集,并揭示了已知的突变系之间的病理关系,当应用到潜空间聚类时.

结论:

• SATINN代表了自动丸组织病理学的重大进步,为多实验室使用提供了一个强大的工具.
• 该工具增强了对男性生育能力和相关病理学的分析,促进了更广泛的研究应用.