MxIF Q-score:用于多重复合免疫光成像的生物信息质量保证
Shunxing Bao1, Jia Li2, Can Cui3
1Department of Electrical and Computer Engineering, Vanderbilt University, Nashville, TN, USA.
Medical optical imaging and virtual microscopy image analysis : first International Workshop, MOVI 2022, held in conjunction with MICCAI 2022, Singapore, September 18, 2022, Proceedings. MOVI (Workshop) (1st : 2022 : Singapore)
|December 29, 2025
概括
我们开发了一种新的基于学习的质量评分,用于多重免疫光学 (MxIF) 成像. 这种自动化系统确保了高质量的空间单细胞数据分析,这对于准确的生物见解至关重要.
科学领域:
- 计算病理学计算病理学
- 生物信息学是一种生物信息学.
- 数字病理学数字病理学
背景情况:
- 整个幻灯片成像 (WSI) 由于其高分辨率,提出了重大挑战.
- 多重复合免疫光 (MxIF) 进一步复杂化了分析,通过每种组织组合数十个WSI.
- 对MxIF的手动数据策划是不可行的,有可能导致误导性的生物发现.
研究的目的:
- 为MxIF图像数据引入一个自动化的,基于生物学的质量评分系统.
- 为满足复杂的空间单细胞分析中可靠的质量保证的需求.
- 为了提高下游分析的严谨性,如细胞类型注释.
主要方法:
- 开发了一个基于学习的MxIF质量评分 (MxIF Q-score).
- 集成的自动图像细分和单细胞聚类.
- 采用了基于生物学的方法来处理数据.
主要成果:
- 在MxIF Q-score系统实现0.99回忆和0.86精度与手动检查对空间对齐验证.
- 在245个MxIF图像区域 (ROI) 中验证,遍及49个WSIs.
- 通过广泛的实验结果证明了有效性.
结论:
- 拟议的MxIF Q-score为图像对齐和细分提供了自动质量保证.
- 这是第一项为MxIF数据提供自动化,生物依据的质量评分的研究.
- 基于生物学知识的评分框架是评估复杂的MxIF数据的一个有希望的方法.
