C-COUNT:一种基于卷积神经网络的工具,用于对红色球菌群的自动评分

科学领域:

• 血液学 血液学 血液学
• 计算生物学 计算生物学
• 生物技术是生物技术.

背景情况:

• 殖民地形成试验 (CFAs) 对于在研究和诊断中评估红状腺和造血原始体至关重要.
• 在CFAs中手动计数殖民地是耗时的,不一致的,容易产生偏见.
• 现有的流动细胞计和单细胞转录组学等方法不能完全取代功能原始体检测.

研究的目的:

• 开发和验证一个自动化工具,C-COUNT,用于准确评分殖民地形成单位-红色素 (CFU-e) 试验.
• 提高CFU-e试验分析的效率,可靠性和客观性.
• 为了使血液学研究中的高通量查应用.

主要方法:

• 开发一种基于卷积神经网络 (CNN) 的工具,名为C-COUNT.
• 使用CFU-e试验自动化显微镜图像进行CNN的培训和验证.
• 对C-COUNT性能与经验丰富的人类得分器进行比较分析.
• 评估C-COUNT对红色素和基因毒剂的反应.

主要成果:

• C-COUNT可靠地识别和量化CFU-e殖民地,即使在混合培养中与髓状殖民地和细胞聚合物.
• C-COUNT的性能与经验丰富的科学家在殖民地识别方面的表现相当或超过.
• 该工具准确地评估了CFU-e原体对不同度的红素和基因毒剂的反应.

结论:

• C-COUNT将传统的CFU-e CFA转化为一个严格,高效和客观的测试.
• 该自动化工具增强了CFA在血液学研究和临床诊断中的实用性.
• C-COUNT具有显著的潜力,用于高通量查红色受体因子和治疗剂.