大规模微血管网络的细分和建模:一项调查调查
Helya Goharbavang1, Artem T Ashitkov1, Athira Pillai2
1Department of Electrical Engineering, University of Houston, Houston, TX, United States.
Frontiers in bioinformatics
|November 17, 2025
概括
研究人员在3D显微镜图像中评估了分析微血管网络的算法. 这项工作对提取血管特征和连接性的可扩展方法进行了基准测试,这对于疾病生物标志物发现至关重要.
科学领域:
- 生物医学成像学 生物医学成像学
- 显微镜的使用方法
- 定量生物学的定量生物学.
背景情况:
- 3D显微镜使小动物的全器官微血管网络成像成为可能.
- 微血管结构对组织功能至关重要,可以提供疾病生物标志物.
- 目前的算法缺乏用于分析千兆伏克塞尔尺度显微镜数据的基准.
研究的目的:
- 调查和评估微血管网络分析的可扩展算法.
- 在现代大规模3D显微镜数据集上对算法性能进行基准测试.
- 确定可靠的方法来提取船舶表面和连接.
主要方法:
- 精选的流行和可用的算法用于船只细分和特征提取.
- 对算法性能进行了定量分析.
- 在光板光显微镜 (LSFM),刀刃扫描显微镜 (KESM) 和X射线微图学 (μ-CT) 的数据集上测试了算法.
主要成果:
- 提供了微血管分析算法的全面调查.
- 在多样化,大规模显微镜数据上定量评估算法性能.
- 强调在微血管成像分析中需要标准化基准.
结论:
- 建立了评估微血管分析算法的基准.
- 促进了从3D显微镜中发现生物标记物的可扩展方法的选择.
- 旨在在生物研究中推进微血管网络的定量分析.
更多相关视频
06:36An In Vitro 3D Model and Computational Pipeline to Quantify the Vasculogenic Potential of iPSC-Derived Endothelial Progenitors
Published on: May 13, 2019
6.5K
07:26Author Spotlight: Creating Human Vascularized Micro-Tumors as Models for Translational Cancer Research
Published on: September 15, 2023
2.3K
