从3D体外培养物中进行时间过程成像的自动化质量控制

科学领域:

• 生物医学成像学 生物医学成像学
• 计算生物学是一种计算生物学.
• 癌症研究 癌症研究

背景情况:

• 对3D细胞培养 (有机体,球体) 的纵向成像对于癌症研究至关重要.
• 时间过程成像中的空间位移和错误标签会影响数据分析.
• 现有的计算方法缺乏针对这些文物的自动化解决方案.

研究的目的:

• 开发一种强大的,自动化的算法,用于评估和纠正纵向3D细胞培养成像中的数据完整性.
• 在时间课程研究中解决空间位移和对象错误标记问题.
• 提高生物和药物反应研究的3D细胞培养模型的可靠性.

主要方法:

• 开发了一种新的算法,集成基于 permutation 的优化和 Procrustes 分析.
• 利用 X 和 Y 图像坐标来重新排序,匹配和对准跨时间点的对象位置.
• 算法纠正旋转,转移和小动作,没有实验修改.

主要成果:

• 使用模拟数据验证了算法的准确性和稳定性.
• 在纵向瘤球状体研究中展示了频繁的球状体位移和纠正错误标记的图像.
• 该方法在计算上是高效的,并且可以适应数据质量控制.

结论:

• 开发的算法提供了一个易于访问的解决方案,用于改善纵向3D细胞培养成像中的数据完整性.
• 提高了使用有机体和球体的研究的可复制性和可靠性.
• 随着时间的推移,可以精确追踪单个物体,这对于癌症的进展和药物发现至关重要.