全国最新疫情情况_老榕树智能建站软件_网站seo哪里做的好_百度知道在线问答

2025/7/2 23:46:06 来源：https://blog.csdn.net/IYXUAN/article/details/146952382 浏览: 次关键词：全国最新疫情情况_老榕树智能建站软件_网站seo哪里做的好_百度知道在线问答

文献阅读：Fast segmentation and multiplexing imaging of organelles in live cells——基于深度学习的快速多细胞器多色成像和分割（超分辨显微领域）

摘要：

这篇论文提出了一种结合深度学习与显微成像的创新方法，突破了活细胞内多细胞器动态成像的技术瓶颈。传统荧光标记依赖“一对一”特异性染色，受限于光谱串扰和标记效率，难以实现多细胞器同步观测。本研究采用“一对多”策略，利用脂质染料尼罗红对多种膜细胞器进行非特异性染色，通过其发射光谱对膜极性的敏感性，结合转盘共聚焦显微镜的双通道比率成像（分辨率约143 nm），生成反映细胞器异质性的高时空分辨率图像数据。在此基础上，席鹏团队设计了基于注意力U-Net的深度卷积神经网络（DCNN），通过融合强度图像与光谱比率特征，成功分割出15种亚细胞结构（如线粒体、内质网、溶酶体等），并利用迁移学习实现了跨显微镜、跨细胞类型（如U2-OS、Hela）及活体组织（如果蝇睾丸）的鲁棒预测。该方法将深度学习的特征提取能力与显微成像的物理信息相结合：通过数据增强（旋转、缩放、强度扰动）提升模型泛化性，采用注意力机制增强小目标分割精度，并以二值掩膜代替强度预测规避标记偏差。相较于传统多色成像需多次曝光的低通量（0.23结构/次），该方法单次激发即可实现6-26倍的效率提升，同时降低光毒性，支持细胞分裂各阶段（间期至末期）的三维结构解析及多细胞器动态互作追踪（如线粒体裂变/融合）。