- 3 次围观
意义：数字全息显微术（Digital Holographic Microscopy, DHM）能够提供活细胞的无标记定量相位图像（quantitative phase images, QPIs），并已成为研究细胞形态与动态过程的有力工具。尽管大多数DHM研究聚焦于细胞层面的分析，但基于DHM图像对神经元网络组织与成熟过程进行定量表征仍在很大程度上尚未得到探索，这凸显了开发专门计算方法的必要性。 目的：我们的目标是开发一种自动化框架，结合基于深度学习的图像分析与图论方法，对通过DHM成像获得的大鼠原代皮层培养物中的神经元网络组织、连通性及成熟过程进行定量表征。 方法：我们在人工标注的DHM相位图像上训练了两个U-Net卷积神经网络，分别用于分割神经元胞体和神经突。随后利用所得分割图推断神经元之间可能存在的形态学连接，并生成神经元网络的图表示，称为图指纹（graph fingerprints）。接着，计算了18项受连接组学启发的图特征，用于表征培养成熟四个阶段中网络组织的局部与全局性质。 结果：胞体分割和神经突分割的受试者工作特征曲线下面积（area under the receiver operating characteristic curve, AUC）平均值分别为0.98和0.91，表明识别效果接近完美。图论分析揭示了体外网络成熟过程中可重复的拓扑变化，包括密度增加、模块性降低以及网络整合的逐步增强。相关性分析显示，这18项图特征可归为两个高度相关的特征家族。随机森林分类器识别出密度和模块性是信息量最大的描述指标，并在神经元培养成熟阶段分类中达到87%的准确率。 结论：我们的结果表明，将DHM、基于深度学习的分割以及图论分析相结合，能够从无标记相位图像中对神经元网络的组织与成熟过程进行定量表征。该框架为未来开展药理学实验、神经元网络表型分析以及人诱导多能干细胞（human induced pluripotent stem cell, hiPSC）来源神经元培养研究奠定了基础，而在这些研究中，对网络组织进行定量评估仍然是一项重大挑战。
基于图的体外神经元网络成熟表征：结合机器学习与数字全息显微镜 | bioRxiv
跳转至主要内容
首页 关于 提交 提醒 / RSS 搜索此关键词 高级搜索 最新结果
基于图的体外神经元网络成熟表征：结合机器学习与数字全息显微镜
Zahra Yazdani， Erik Bélanger， Maxime Moreaud， Jodie Llinares， Antoine Allard， Pierre Marquet， Patrick Desrosiers
doi： https://doi.org/10.64898/2026.06.18.732973
Zahra Yazdani 1 拉瓦尔大学；
在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。 本文依据 CC-BY 4.0 国际许可协议 公开提供。
返回顶部 上一页 下一页
发表于 2026 年 6 月 23 日。 下载 PDF 数据/代码 电子邮件
感谢您有兴趣传播 bioRxiv 的内容。 您的电子邮箱 *
您的姓名 *
发送至 *
请输入多个地址，每行一个，或用逗号分隔。 您将通过电子邮件发送以下内容
基于机器学习和数字全息显微术的体外神经元网络成熟图谱表征
邮件主题 （您的姓名）已从 bioRxiv 向您转发了一个页面
邮件正文 （您的姓名）认为您会希望查看 bioRxiv 网站上的此页面。
您的个人留言
验证码 此问题用于测试您是否为人类访问者，并防止自动垃圾信息提交。
分享 基于机器学习和数字全息显微术的体外神经元网络成熟图谱表征
Zahra Yazdani ，Erik Bélanger ，Maxime Moreaud ，Jodie Llinares ，Antoine Allard ，Pierre Marquet ，Patrick Desrosiers
bioRxiv 2026.06.18.732973； doi： https://doi.org/10.64898/2026.06.18.732973
分享本文： 复制 引文工具
基于机器学习和数字全息显微术的体外神经元网络成熟图谱表征
Zahra Yazdani ，Erik Bélanger ，Maxime Moreaud ，Jodie Llinares ，Antoine Allard ，Pierre Marquet ，Patrick Desrosiers
bioRxiv 2026.06.18.732973； doi： https://doi.org/10.64898/2026.06.18.732973
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.18.732973v1?rss=1
🏷️ 数字全息显微镜 神经元网络 深度学习分割 图论分析 网络成熟 随机森林分类