基于深度学习估计原代神经元细胞培养的突触健康状态
图像与视频处理
2019-09-02 v1 机器学习
定量方法
机器学习
摘要
理解化学化合物诱导的原代神经元细胞形态变化对于药物发现至关重要。利用单次高通量成像检测的数据，我们引入了一种用于预测候选化合物生物活性的分类模型。该图像识别模型基于具有残差连接的深度卷积神经网络（CNN）架构，在区分未处理和经淀粉样蛋白-β_(25-35)处理的啮齿类原代神经元细胞的二分类任务上达到了99.6%的准确率。
引用
@article{arxiv.1908.11399,
title = {Deep Learning for Estimating Synaptic Health of Primary Neuronal Cell Culture},
author = {Andrey Kormilitzin and Xinyu Yang and William H. Stone and Caroline Woffindale and Francesca Nicholls and Elena Ribe and Alejo Nevado-Holgado and Noel Buckley},
journal= {arXiv preprint arXiv:1908.11399},
year = {2019}
}
备注
11 pages, 5 figures