利用具有计算特异性的相位成像（PICS）对神经网络进行延时研究

在生命科学中，荧光标记技术被用于研究细胞的分子结构与相互作用。然而，这类细胞成像有其局限性，其中之一是染色细胞的过程可能对细胞有毒并可能损伤它们。我们特别关注活神经元的延时成像以研究其生长与增殖。神经退行性疾病以神经元生长和树枝化的表型差异为特征。本论文提出一种使用深度卷积神经网络的无标记数字染色方法，以解决先前细胞成像方法的问题。我们的结果表明，当在具有正确荧光标签的相位图像上训练时，深度神经网络能够正确学习必要的形态信息，从而成功预测MAP2和Tau标签。该推断进而使我们能够在活体、未标记神经元中区分轴突与树突。