Novel Methods for Analyzing Cellular Interactions in Deep Learning-Based Image Cytometry: Spatial Interaction Potential and Co-Localization Index

要約

この研究は、ディープラーニングベースの画像サイトメトリーを使用して、デジタル病理学における細胞相互作用を定量化するための新しいアプローチを示しています。
従来の方法では、組織内の細胞の多様性と不均一性に苦労しています。
これに対処するために、深層学習の分類確率を活用した、空間相互作用ポテンシャル (SIP) と共局在化インデックス (CLI) を導入します。
SIP は電場と同様に細胞間の相互作用の可能性を評価しますが、CLI は細胞間の距離を組み込み、動的な細胞の動きを考慮します。
私たちのアプローチは従来の方法を強化し、細胞相互作用のより洗練された分析を提供します。
私たちはシミュレーションを通じて SIP と CLI を検証し、結腸直腸がん標本に適用し、実際の生物学的データとの強い相関を実証します。
この革新的な方法は、細胞相互作用の理解に大幅な改善をもたらし、デジタル病理学のさまざまな分野に応用できる可能性があります。

要約(オリジナル)

The study presents a novel approach for quantifying cellular interactions in digital pathology using deep learning-based image cytometry. Traditional methods struggle with the diversity and heterogeneity of cells within tissues. To address this, we introduce the Spatial Interaction Potential (SIP) and the Co-Localization Index (CLI), leveraging deep learning classification probabilities. SIP assesses the potential for cell-to-cell interactions, similar to an electric field, while CLI incorporates distances between cells, accounting for dynamic cell movements. Our approach enhances traditional methods, providing a more sophisticated analysis of cellular interactions. We validate SIP and CLI through simulations and apply them to colorectal cancer specimens, demonstrating strong correlations with actual biological data. This innovative method offers significant improvements in understanding cellular interactions and has potential applications in various fields of digital pathology.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google