Cette page résume et organise les publications en intelligence artificielle du monde entier. Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif. Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.
EAP4EMSIG – Amélioration de la microscopie événementielle pour l'analyse microfluidique de cellules individuelles
Created by
Haebom
Auteur
Nils Friederich, Angelo Jovin Yamachui Sitcheu, Annika Nassal, Erenus Yildiz, Matthias Pesch, Maximilian Beichter, Lukas Scholtes, Bahar Akbaba, Thomas Lautenschlager, Oliver Neumann, Dietrich Kohlheyer, Hanno Scharr, Johannes Seiffarth, Katharina N oh, Ralf Mikut
Contour
Dans cet article, nous présentons un pipeline d'automatisation de microscopie piloté par événements (EAP4EMSIG) pour relever les défis de l'analyse en temps réel d'expériences à haut débit en imagerie microfluidique de cellules vivantes (MLCI). EAP4EMSIG se compose de trois composants : une méthode d'autofocus rapide et précise basée sur le perceptron multicouche (MLP), une évaluation de la méthode de segmentation en temps réel et un tableau de bord d'analyse de données en temps réel. L'autofocus basé sur le MLP atteint une erreur absolue moyenne (MAE) de 0,105 µm et un temps d'inférence de 87 ms. Parmi les 11 méthodes de segmentation basées sur l'apprentissage profond (DL), Cellpose atteint une qualité panoptique (PQ) de 93,36 %, et la méthode basée sur la distance est la plus rapide avec un temps d'inférence de 121 ms et un PQ de 93,02 %.
Takeaways, Limitations
•
Takeaways:
◦
Nous présentons la possibilité d'une analyse en temps réel du MLCI en utilisant des techniques d'autofocus basées sur MLP et de segmentation cellulaire en temps réel.
◦
Réponse et analyse en temps réel possibles avec une vitesse de traitement rapide (autofocus : 87 ms, segmentation basée sur la distance : 121 ms).
◦
La segmentation cellulaire de haute précision (Cellpose : 93,36 % PQ) permet une analyse précise des données.
•
Limitations:
◦
D’autres études sont nécessaires pour généraliser la méthode présentée à différents types de cellules et conditions expérimentales.
◦
Manque de description détaillée des fonctionnalités et capacités spécifiques du tableau de bord d'analyse de données en temps réel.
◦
Manque d’informations sur la taille et la diversité de l’ensemble de données utilisé pour l’évaluation.
