一个半自动算法用于呼吸器器官的图像分析

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
• 细胞生物学 细胞生物学

背景情况:

• 呼吸器器官是疾病研究和药物发现的体外模型至关重要.
• 由于缺乏自动化细分工具,对有机物图像的高通量分析受到阻碍.

研究的目的:

• 开发和验证一个半自动算法来准确细分和分析呼吸器有机体图像.
• 为了实现高效的高通量查呼吸系统疾病和治疗开发.

主要方法:

• 利用U-Net架构和CellProfiler进行半自动细分鼻腔和肺部器官.
• 通过z-stack融合和拼接处理了明亮场图像.
• 开发了一个开源数据集,包含827张注释的呼吸器器官图像.

主要成果:

• 实现了高细分精度,IOU为0.8856,F1得分为0.937,整体精度为0.9953.
• 在没有光染料的肺器官中成功量化了功能性囊性纤维化跨膜导电性调节器 (CFTR) 通道活性.
• 证明了算法在区分健康和囊性纤维化患者衍生器官之间的CFTR活性方面的实用性.

结论:

• 深度学习显著提高了呼吸器有机体图像分析的效率和准确性.
• 开发的算法和数据集支持用于治疗呼吸系统疾病的高通量查.
• 这种方法为推进呼吸系统医学和药物发现提供了一个强大的工具.