无标签可视化和分段内皮细胞线粒体使用全息显微镜和U-Net

科学领域:

• 细胞生物学 细胞生物学
• 生物物理学的生物物理.
• 医疗成像医学成像

背景情况:

• 心血管疾病 (CVD) 的发病包括内皮细胞 (EC) 的线粒体功能.
• 目前的方法缺乏实时,无标签的线粒体动态如融合和裂变的可视化.
• 全息显微镜 (HTM) 提供了细胞结构的实时,非侵入性成像.

研究的目的:

• 开发一种机器学习模型,用于分析EC的HTM图像.
• 为了实现线粒体网络动态的实时可视化和跟踪.
• 通过改进线粒体分析,推进对心血管疾病机制的理解.

主要方法:

• 开发了一个基于U-net的机器学习模型,使用Resnet18编码器.
• 训练模型识别四个类别:线粒体网络,细胞边界,EC和背景.
• 应用该模型来处理内皮细胞的HTM图像.

主要成果:

• 该模型准确地确定了HTM图像中的线粒体结构和位置.
• 高精度和相似度指标证实了该模型的有效性.
• 在ECs的HTM图像中成功可视化了线粒体网络.

结论:

• 开发的机器学习方法可以有效地分析活体EC中的线粒体网络.
• 这种技术有助于研究线粒体动力学及其在心血管疾病中的作用.
• 对推进心血管疾病研究具有前途.