使用机器学习生物图像分析工具对丸组织学图像进行细分和量化;Ilastik和斐济软件

科学领域:

• 生殖生物学 生殖生物学
• 生物图像分析 生物图像分析
• 计算病理学计算病理学

背景情况:

• 在不孕症研究中,组织形态学和组织化学技术对于评估丸损伤至关重要.
• 手动分析丸组织学是劳动密集型的,容易产生偏差,可能会错过焦点损伤.
• 准确的评估需要分析大量的丸组织切片.

研究的目的:

• 为分析丸组织学开发可复制和时间效率高的工作流程.
• 引入一种半自动化方法,用于对丸组织进行公正的量化.
• 利用机器学习来提高不孕症研究的准确性.

主要方法:

• 一个使用免费开源工具的逐步工作流:ilastik和Fiji.
• 使用ilastik随机森林分类器对像素和对象特征进行图像细分.
• 在斐济进行数据提取和统计分析,以获得可量化的结果.

主要成果:

• 工作流提供了一种半自动化,可复制和节省时间的方法.
• 它可以对异质丸组织图像进行公正的分析.
• 方便提取可量化的数据,以便得出可靠的统计结论.

结论:

• 提出的工作流提供了一个高效和准确的替代手动分析丸组织学.
• 这种基于机器学习的方法提高了不孕症研究的可靠性.
• 它通过从复杂组织样本中提取客观数据来支持全面的结论.