无标签和智能细胞死亡识别 面向肺癌化疗
Shubin Wei1, Guoqing Luo2, Zhaoyi Ye1
1The Institute of Technological Sciences, Wuhan University, Wuhan, China.
Journal of biophotonics
|May 20, 2025
概括
这项研究引入了一种智能方法,用于检测肺癌化疗中的细胞死亡,使用先进的成像和人工智能. 该技术准确量化细胞死亡,为癌症研究和治疗提供了一个新的工具.
科学领域:
- 生物医学工程 生物医学工程
- 计算生物学 计算生物学
- 在瘤学瘤学.
背景情况:
- 准确的细胞死亡评估对于肺癌化疗的有效性至关重要.
- 目前的方法缺乏高吞吐量,无标签和智能分析能力.
研究的目的:
- 开发一种用于细胞死亡的智能定量检测技术.
- 为了使高通量,无标签的细胞死亡异质性在肺癌的分析.
主要方法:
- 使用高通量定量相位成像流细胞计,用于无标签的图像采集.
- 使用卷积神经网络 (CNN) 来表征细胞死亡异质性和定量检测.
- 应用集群用于CNN模型的解释性分析.
主要成果:
- 通过形态特征分析揭示了细胞死亡的异质性.
- 实现了与自检测的高相关性 (0.92皮尔森,0.91等号相似性).
- 与生物化学方法相比,对亡检测的平均误差为12.52%.
结论:
- 拟议的智能技术为细胞死亡分析提供了可靠和高效的方法.
- 这种方法为研究癌症细胞死亡机制提供了新的视角.
- 该方法在推进肺癌化疗研究和治疗策略方面具有潜在的应用.
更多相关视频
08:56Simultaneous Imaging and Flow-Cytometry-based Detection of Multiple Fluorescent Senescence Markers in Therapy-Induced Senescent Cancer Cells
Published on: July 12, 2022
2.9K
06:06Author Spotlight: A Streamlined Approach to Studying Cell Death Initiation in Hypersensitive Response
Published on: November 10, 2023
1.3K
