基于 Cell DIVE 平台上细胞自动训练（CAT）的自动化表型分析
图像与视频处理
2020-07-21 v1 计算机视觉与模式识别
细胞行为
定量方法
摘要
我们提出一种使用来自多重免疫荧光图像的自动训练集对组织样本中的细胞进行分类的方法。该方法利用在单个组织切片上原位染色的多个标志物，基于稳健的超plex免疫荧光平台（Cell DIVE，GE Healthcare），该平台提供多通道图像，允许在单细胞/亚细胞水平进行分析。细胞分类方法包括两步：首先，利用标志物到细胞的染色信息从每幅图像生成自动训练集。这模拟了病理学家如何在图像级别从非常大的人群中选择样本。第二步，从自动训练集推断概率模型。该概率模型捕获互斥细胞类型中的染色模式，并为数据队列构建单一概率模型。我们已评估所提方法用于分类：i) 癌症中的免疫细胞和 ii) 神经退行性疾病组织中的脑细胞，平均准确率高于 95%。
引用
@article{arxiv.2007.09471,
title = {Automated Phenotyping via Cell Auto Training (CAT) on the Cell DIVE Platform},
author = {Alberto Santamaria-Pang and Anup Sood and Dan Meyer and Aritra Chowdhury and Fiona Ginty},
journal= {arXiv preprint arXiv:2007.09471},
year = {2020}
}
备注
2019 IEEE International Conference on Bioinformatics and Biomedicine (BIBM)