Cell Culture Assistive Application for Precipitation Image Diagnosis

要約

再生医療研究では、化学媒体の組成を実験的に設計します。
384 ウェル プレートにさまざまな成分を添加し、生体細胞を培養します。
細胞の状態を監視し、形態学的分析のために微速度撮影した生体画像を撮影します。
特に、沈殿は画像内にアーティファクトとして現れ、イメージングアッセイのノイズを汚染する可能性があります。
析出物の検査は観察者にとって面倒な作業であり、経験の違いにより人によって判断が異なる場合があります。
機械学習のアプローチにより、人間による検査の負担が軽減され、一貫した検査が提供されます。
さらに、降水量の特徴は 10 ～ 20 {\μ}m と小さいです。
2.82 {\μ}m/ピクセルの解像度でサイズ変更された 1200 ピクセルの正方形の井戸画像では、降水の特徴が減少します。
ウェル画像を 240 ピクセルの正方形に分割し、サイズ変更せずに学習すると、元の画像の解像度が維持されます。
この研究では、光学顕微鏡画像を利用して 384 ウェル プレート上の沈殿を自動的に検出するアプリケーションを開発しました。
MN ペア対比クラスタリングを適用して、約 20,000 のパッチ画像から降水クラスを抽出します。
降水の特徴を検出するために、より深い FCDD 検出器とオプションのバックボーンを比較し、隔離フォレスト アルゴリズムを使用して 4 重項井戸画像の最大スコアから降水を検出する機械学習パイプラインを構築します。異常スコアは 0 から 1 の範囲です。
さらに、このアプリケーションを使用すると、384 ウェル プレート上の沈殿現場ヒートマップを視覚化できます。

要約(オリジナル)

In regenerative medicine research, we experimentally design the composition of chemical medium. We add different components to 384-well plates and culture the biological cells. We monitor the condition of the cells and take time-lapse bioimages for morphological assay. In particular, precipitation can appear as artefacts in the image and contaminate the noise in the imaging assay. Inspecting precipitates is a tedious task for the observer, and differences in experience can lead to variations in judgement from person to person. The machine learning approach will remove the burden of human inspection and provide consistent inspection. In addition, precipitation features are as small as 10-20 {\mu}m. A 1200 pixel square well image resized under a resolution of 2.82 {\mu}m/pixel will result in a reduction in precipitation features. Dividing the well images into 240-pixel squares and learning without resizing preserves the resolution of the original image. In this study, we developed an application to automatically detect precipitation on 384-well plates utilising optical microscope images. We apply MN-pair contrastive clustering to extract precipitation classes from approximately 20,000 patch images. To detect precipitation features, we compare deeper FCDDs detectors with optional backbones and build a machine learning pipeline to detect precipitation from the maximum score of quadruplet well images using isolation Forest algorithm, where the anomaly score is ranged from zero to one. Furthermore, using this application we can visualise precipitation situ heatmap on a 384-well plate.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google