基于全息断层扫描衍生的折射指数点云的轻量级和精确的细胞分类
Haoyuan Wang1,2,3, Difeng Wu1,2,3, Miao Zheng1,2,3
1Guangdong University of Technology, Institute of Advanced Photonics Technology, School of Information Engineering, Guangzhou, China.
Journal of biomedical optics
|September 4, 2025
概括
这项研究引入了一种新的3D细胞分类方法,使用全息断层扫描的折射率 (RI) 点云. 这种方法可以显著降低计算负载,同时保持疾病诊断等应用的高准确性.
科学领域:
- 生物医学成像
- 计算生物学
- 机器学习
背景情况:
- 精确的细胞分类对于疾病诊断和药物查至关重要.
- 全息断层扫描的三维 (3D) 声素模型提供了详细的细胞结构,但存在高维度,增加了计算需求.
- 由于数据量和处理的复杂性,现有的方法在实际应用中面临限制.
研究的目的:
- 使用3D折射率 (RI) 点云数据开发一种高效准确的细胞分类方法.
- 在不影响分类性能的情况下降低计算复杂性.
- 在生物医学研究中实现3D细胞分析的实际应用.
主要方法:
- 通过分段平衡采样将3D RI声量数据转换为点云表示.
- 专门为RI点云数据开发了一个深度学习模型RI-PointNet++.
- 使用全息断层扫描来获取数据.
主要成果:
- 在分类HeLa细胞活力方面达到93.5%的准确性,超过2D模型 (87.0%).
- 与 3D voxel 模型 (1.49 G 浮点运算) 相比,计算复杂度降低了 99% 以上.
- 在中央处理器 (CPU) 硬件上表现出高效性能.
结论:
- 提出的基于点云的方法为3D细胞分类提供了一个创新的轻量级解决方案.
- 这种方法显著提高了细胞分析的效率和准确性.
- 强调点云方法在生物医学研究和诊断中的潜力.
