生成分割仅需10分钟,利用AI对细胞器进行更精确、更快速定量分析

　　冷冻软 X 射线断层扫描（Cryo-SXT）作为一种研究细胞超微结构的强大工具，其高分辨率和膜结构的强烈对比度，无需标记或化学固定，使其成为生物学研究中的重要手段。然而，从大量断层扫描数据中提取信息的过程耗时且繁琐，尤其是图像分割这一环节。

　　为了应对这一挑战，柏林自由大学的研究团队与柏林亥姆霍兹材料与能源中心的X射线显微镜部门合作，开发了一种基于半监督深度学习的自动化3D分割方法。该方法不仅适用于高通量分析，还具备在有限手动注释和断层扫描条件变化下的稳健性。

　　研究表明，Cryo-SXT在可视化细胞超微结构方面有着独特的优势。它利用元素吸收对比度的差异，特别是在“水窗口”光谱区域，能够清晰地展示膜细胞器和小颗粒。此外，Cryo-SXT无需化学固定、包埋或标记，使细胞可以在其自然状态下进行观察。与电子显微镜（EM）相比，Cryo-SXT的穿透深度更大，能够在几分钟内对整个细胞体积进行成像和断层扫描。

　　尽管Cryo-SXT能够快速生成体积数据，但数据分析却是一个耗时且复杂的过程。为了克服这一难题，研究团队引入了一种半监督学习方法，结合深度卷积模型与U-Net架构，利用手动注释和未注释图像的混合进行训练。这种方法显著提高了网络对输入可变性的理解能力，并大幅减少了手动注释的需求。

　　该方法的优势在于其高效性、客观性和可扩展性。它能够在短时间内完成全细胞断层扫描的数据分析，并轻松导出为常见文件格式，便于生物学家使用各种程序进行后续处理。此外，该网络还能够使用新的训练数据进行重新训练，以适应不同的断层扫描重建条件或细胞类型。

　　这项研究不仅展示了人工智能在细胞体积分析中的潜力，还为我们提供了更深入地了解细胞结构和功能的新工具。未来，这种方法有望被广泛应用于研究细胞对纳米颗粒、病毒或致癌物等环境因素的响应机制。

　　论文链接：点击此处查看

　　相关报道：点击此处查看