换一批基于卷积神经网络迁移学习的诱导神经细胞分化阶段分析
Analysis of Induced Neural Cells Differentiation Stages Based on Transfer Learning with CNN
摘要随着神经系统疾病的高发,神经干细胞治疗成为研究热点.然而,目前的技术在神经干细胞诱导分化过程评估方面存在挑战.本研究旨在开发一种利用卷积神经网络(CNN)结合迁移学习技术的方法来对非标记神经细胞分化阶段图像高效分类,并利用单细胞转录组数据更精确地检测细胞分化阶段,以及验证方法的有效性.在明场中采集1 026张不同分化阶段的PC12细胞图像,合并公开数据集中的HEK-293A细胞、HT1080细胞图像各100张作为原始数据集.选择包括ResNet34在内的4种CNNs对比,通过在ImageNet数据集上预训练获得初始权重,结合迁移学习技术和大规模细胞图像注释数据集训练,获得对应的细胞分类任务模型(CNN-TL),并对比各模型的细胞图像分类能力;使用ResNet34-TL模型鉴定明场拍摄的神经细胞的分化阶段后,对每个细胞进行转录组学分析.结果表明,ResNet34-TL模型在细胞分类任务中的表现最佳,准确率高达95.8％.ResNet34-TL模型分类为未分化组、低分化组、高分化组的细胞在转录组上呈现出差异,其中,未分化组和高分化组差异显著,低分化组细胞表现出介于未分化组和高分化组之间的过渡状态;3组细胞特征基因的表达量差异表明转录组分类结果与模型分类结果类似.ResNet34-TL在神经细胞诱导分化阶段分析任务中泛化能力好,结合转录组学分析验证了其能够有效区分不同分化状态的神经细胞.
更多相关知识
关键词
神经细胞分化识别非标记细胞图像单细胞转录组深度学习迁移学习identification of neuronal differentiationlabel-free cell imagessingle-cell transcriptomedeep learningtransfer learning
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.0258-8021.2025.02.001
发布时间
2025-05-26（万方平台首次上网日期，不代表论文的发表时间）
- 浏览12
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
