基于神经网络的图像分析共定位的微生物和人类细胞在植入物材料上的图像分析
Nicolas Debener1, Anna Rosner2,3, Jannik Menke1
1Institute of Technical Chemistry, Leibniz University Hannover, Hannover, Germany.
Scientific reports
|June 20, 2025
概括
这项研究引入了一种新的Cellpose模型工作流程,用于分析牙科植入物上的微生物覆盖. 这种方法克服了图像分析的挑战,有助于了解植入物相关的感染.
科学领域:
- 微生物学 微生物学
- 生物技术是生物技术.
- 医疗成像医学成像
背景情况:
- 与牙植入物相关的感染对植入物成功构成重大风险.
- 宿主-微生物相互作用是发展这些感染的关键.
- 经典的图像分析方法与复杂的共同文化图像作斗争.
研究的目的:
- 开发一个自动化图像分析工作流程,用于牙科植入物研究中的微生物表面覆盖.
- 解决复杂生物样本中传统图像处理技术的局限性.
主要方法:
- 使用两个自定义的Cellpose模型进行图像细分.
- 将工作流应用于体外共同培养模型和牙科植入物生物膜的实地样本.
- 在光染色的微生物和具有背景信号的人类细胞上测试了细分精度.
主要成果:
- 第一个Cellpose模型成功地在3D植入物-组织-口腔生物膜模型中分析了单个细菌.
- 第二个模型,训练用于微殖民地识别,使得在现场研究图像的自动细分.
- 通过更多的训练数据和更好的图像质量,证明了提高准确性的潜力.
结论:
- 拟议的基于Cellpose的工作流提供了一个新的解决方案,用于在牙科植入物研究中分析微生物表面覆盖面.
- 这种自动化方法有助于更深入地了解植入物相关感染中的宿主微生物相互作用.
- 该工作流显示出各种共同培养成像应用程序的前景,超出了牙科植入物.
