通过深度学习在宽场荧光显微镜下实现快速三维细胞追踪
光学
2018-05-16 v2
摘要
在许多生物医学应用中，高速三维细胞追踪持续受到广泛关注，例如监测免疫细胞迁移以及在流动血管中观察肿瘤转移。在此，我们提出了一种基于深度卷积神经网络的方法，无需任何硬件修改，即可从传统宽场荧光显微镜拍摄的单张二维图像中恢复荧光团的三维位置。该方法将具有挑战性的三维定位问题，从基于模型的拟合问题（特别是在密集样本和低信噪比下）转化为一个可解的多标签分类问题，通过两个级联的 CNNs 实现，其中深度学习技术相较于其他算法具有巨大优势。与传统的核拟合方法相比，所提出的方法在更大的轴向范围内实现了更准确、更稳健的多目标定位，这一点已通过三维分布荧光微珠的仿真与实验结果得到验证。此外，在斑马鱼中以 100 fps 对多个血细胞进行体内三维追踪，进一步验证了我们框架的可行性。
引用
@article{arxiv.1805.05139,
title = {Fast 3D cell tracking with wide-field fluorescence microscopy through deep learning},
author = {Kan Liu and Hui Qiao and Jiamin Wu and Haoqian Wang and Lu Fang and Qionghai Dai},
journal= {arXiv preprint arXiv:1805.05139},
year = {2018}
}
备注
7 figures