奥斯卡是一个在线的机器学习驱动工具,用于使用明亮场图像进行有机细胞计数
Stephanie E A Burnell1, Lorenzo Capitani1, Chloe A Harris1
1Division of Infection and Immunity, School of Medicine, Cardiff University, Heath Park, Cardiff CF14 4XN, UK.
Cell reports methods
|December 3, 2025
概括
我们开发了OSCAR,一种有机细胞计数工具. 这个工作流估计了来自明亮场图像的有机细胞数量,提高了有机细胞检测的可靠性.
科学领域:
- 生物技术是生物技术.
- 生物信息学是一种生物信息学.
- 细胞生物学 细胞生物学
背景情况:
- 现有的有机体量化工具可以估计有机体数量和形态.
- 在准确估计有机体内用于实验的细胞总数时存在差距.
研究的目的:
- 介绍OSCAR (使用回归的有机体细分和细胞数近似),用于估计有机体细胞数量的新的工作流程.
- 提供一种可靠的方法,用于在明亮场图像中量化有机体细胞性.
主要方法:
- 利用Mask-R-CNN卷积神经网络进行器官识别和从明亮场图像中估计区域.
- 开发了一种经验性的多重线性回归模型,将器官体区域与细胞数联系起来.
主要成果:
- 奥斯卡的工作流准确地估计了有机细胞数量.
- 该工具的估计值在实际有机细胞计数的±16%以内.
- 奥斯卡是一个可访问的在线工具,用于生成关键的有机体指标.
结论:
- 通过提供精确的细胞数量估计,OSCAR提高了基于有机体的测试的可靠性.
- 该工具解决了在有机体研究中精确细胞度量化的需求.
- 奥斯卡有助于更坚固和可复制的有机体实验设计.
