相关实验视频
Updated: Jan 17, 2026
09:04
Yeast Colony Embedding Method
Published on: March 22, 2011
11.9K
基于深度学习的细分2D投影衍生的重叠的胞膜在酵母菌中的细分
Shodai Taguchi1,2,3,4, Keita Chagi4, Hiroki Kawai4
1Ph.D. Program in Humanics, School of Integrative and Global Majors, University of Tsukuba.
Cell structure and function
|September 17, 2025
概括
深度学习工具DeMemSeg在二维显微镜图像中准确地分割重叠的膜结构. 这种自动化细分能够对细胞形态学进行精确的定量分析,进步细胞生物学研究.
科学领域:
- 细胞生物学 细胞生物学
- 生物物理学的生物物理.
- 计算生物学 计算生物学
背景情况:
- 定量形态分析对于理解细胞过程至关重要.
- 3D Z-stack成像提供高分辨率数据,但由于复杂的3D结构,对手工注释和解释提出了挑战.
- 最大强度投影 (MIP) 简化了二维可视化,但导致人为重叠,阻碍了单个结构的自动细分.
研究的目的:
- 开发一种自动化的深度学习管道,用于在2D MIP图像中对重叠的膜结构进行细分.
- 为了解决分析复杂,重叠的细胞形态的传统方法的局限性.
- 为了从广泛使用的二维投影图像中进行准确的定量形态分析.
主要方法:
- 开发了DeMemSeg,这是一个基于Mask R-CNN的深度学习管道.
- 在使用系统图像处理工作流程的定制注释数据集上训练DeMemSeg.
- 通过对专家手册注释和 gip1Δ 突变细胞未见的数据验证了模型的性能.
主要成果:
- DeMemSeg准确地识别和划分了酵母菌胞中的单个重叠的胞膜 (PSMs).
- 细分性能和衍生的形态测量在统计上无法与专家手册注释区分.
- 该模型成功地将PSM细分为Gip1Δ突变细胞,捕捉形态缺陷.
结论:
- DeMemSeg为复杂,重叠的膜形态的客观定量分析提供了一个强大的,自动化的解决方案.
- 该管道可以直接从二维MIP图像进行准确的分析,克服传统细分方法的局限性.
- DeMemSeg提供了一个可适应的工作流程,通过促进详细的形态学研究来推进细胞生物学研究.
