相关实验视频
Updated: Jan 10, 2026

08:04
Analyzing Platelet Subpopulations by Multi-color Flow Cytometry
Published on: June 10, 2025
1.3K
循环血液细胞集群的自动分类基于多通道流细胞计成像的自动分类.
Suqiang Ma1, Subhadeep Sengupta2, Yao Lee3
1School of Chemical, Materials, and Biomedical Engineering, University of Georgia, Athens, GA 30602.
bioRxiv : the preprint server for biology
|November 24, 2025
概括
研究人员开发了一种自动化框架,使用流细胞计分析循环血液细胞群 (CCC). 这种计算工具准确地识别了细胞群及其类型,改善了疾病生物标志物分析.
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
- 血液学 血液学 血液学
背景情况:
- 循环血液细胞群 (CCC) 是血栓形成,感染和炎症的关键生物标志物.
- 使用光染色的流细胞计是分析CCC形态和蛋白质配置文件的标准.
- 现有的机器学习工具主要侧重于单个单元,而不是复杂的CCC.
研究的目的:
- 开发一个计算框架,用于自动分析循环血液细胞集群图像.
- 为了准确地识别异质CCCs中的细胞类型.
- 改进流细胞测量数据的分析,以发现疾病生物标志物.
主要方法:
- 为CCC图像分析开发了一个两步计算框架.
- 微调了YOLOv11模型,将图像分为细胞群和非细胞群.
- 集群轮被多通道光染料覆盖,以识别集群内的细胞表型.
主要成果:
- 该框架在集群分类和细胞表型识别方面都实现了超过95%的准确性.
- 在图像分类方面,YOLOv11模型超过了传统的CNN和ViT.
- 该方法证明了对细胞碎片和染色器件的强度.
结论:
- 一个自动化的计算框架有效地分析流动细胞计从循环血液细胞集群图像.
- 该框架利用明亮场和光数据来提高准确性.
- 这种方法在血液细胞之外有潜在的应用,包括免疫和瘤细胞集群分析.

