- 2 次围观
噬斑实验是定量感染性病毒的金标准，但噬斑计数目前仍通常采用人工方式完成，使病毒滴度测定耗时、具有主观性，并且难以在不同分析人员和实验室之间实现标准化。现有自动化方法主要针对单个任务，例如噬斑分割或计数，但无法提供从平板图像到生物学定量的集成工作流程。本文提出了 Titra，一种基于标准噬斑实验平板照片、用于自动开展细胞病变效应（cytopathic effect，CPE）病毒滴度测定的端到端工作流程。该流程在单一的基于网络的平台中，集成了孔位自动检测、噬斑分割、用于实例分离的后处理、噬斑计数以及每毫升噬斑形成单位（plaque-forming units per millilitre，PFU/mL）估算，同时支持实验管理和专家复核。 该方法采用来自三种病毒（Mayaro 病毒、柯萨奇病毒 B3 型和痘苗病毒）、两种平板规格（6 孔和 12 孔）以及多种异质图像采集条件下的图像进行评估，其中包括一个新近整理的数据集和公开的 VACVPlaque 数据集。自动噬斑计数结果与人工标注高度一致（MAYV/CVB3 的 Pearson 相关系数为 0.98，VACV 为 0.88），而对于 MAYV/CVB3 数据集，PFU/mL 估算值与人工计算结果也高度吻合（Pearson r=0.975）。与 U-Net、StarDist、HSD-WBR 和 PyPlaque 的对比实验表明，该方法在分割和计数方面具有较强的竞争力，并且在公开的 VACVPlaque 数据集上取得了最高的 Dice 系数和平均精度均值（mAP）。
基于深度学习从实验室培养皿图像端到端完成蚀斑计数与病毒滴定 | bioRxiv
跳转至主要内容
首页
关于
投稿
提醒 / RSS
搜索此关键词
高级搜索
最新结果
# 基于深度学习从实验室培养皿图像端到端完成蚀斑计数与病毒滴定
查看 ORCID 个人资料
Eugenia Moris，Alicia Costáble，Sebastián Rey，Irene Ferreiro，Joaquín Hurtado，Matías Villagrán，Lizandra Lissette Luciano，Aisha Espino Vázquez，Jomari Ramos，Isadora Monteiro，María Victoria de Santiago，Pilar Moreno，Gonzalo Moratorio，José Ignacio Orlando
DOI：
https://doi.org/10.64898/2026.09.04.749375
Eugenia Moris 1 Arionkoder；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
ORCID 记录：Eugenia Moris
通讯作者：
eugenia.moris{at}arionkoder.com
Alicia Costáble 2 蒙得维的亚巴斯德研究所；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Sebastián Rey 2 蒙得维的亚巴斯德研究所；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Irene Ferreiro 2 蒙得维的亚巴斯德研究所；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Joaquín Hurtado 3 蒙得维的亚巴斯德研究所；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Matías Villagrán 1 Arionkoder；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Lizandra Lissette Luciano 4 Arionkoder 有限责任公司
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Aisha Espino Vázquez 4 Arionkoder 有限责任公司
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Jomari Ramos 4 Arionkoder 有限责任公司
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Isadora Monteiro 4 Arionkoder 有限责任公司
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
María Victoria de Santiago 4 Arionkoder 有限责任公司
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Pilar Moreno 3 蒙得维的亚巴斯德研究所；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Gonzalo Moratorio 3 蒙得维的亚巴斯德研究所；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
José Ignacio Orlando 1 Arionkoder；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
## 摘要
## 信息/历史
## 指标
## PDF 预览
## 摘要
蚀斑实验是定量感染性病毒的金标准，但蚀斑计数目前仍通常由人工完成，这使得病毒滴定过程劳动强度高、主观性强，并且难以在不同分析人员和实验室之间实现标准化。现有自动化方法主要针对蚀斑分割或计数等单项任务，尚不能提供从培养皿图像到生物学定量结果的完整一体化流程。本文提出了 Titra，这是一种基于标准蚀斑实验培养皿照片、用于自动化细胞病变效应（CPE）病毒滴定的端到端工作流程。该流程在单一基于 Web 的平台中整合了孔的自动检测、蚀斑分割、用于实例分离的后处理、蚀斑计数以及每毫升蚀斑形成单位（PFU/mL）估算，同时支持实验管理和专家审核。研究使用来自3种病毒（马亚罗病毒、柯萨奇病毒 B3 型和牛痘病毒）、2种培养板规格（6孔和12孔）以及异质性图像采集条件的图像对该方法进行了评估，其中包括一个新整理的数据集和公开的 VACVPlaque 数据集。自动蚀斑计数与人工标注结果表现出高度一致性（MAYV/CVB3 的 Pearson 相关系数为0.98，VACV 为0.88），而对于 MAYV/CVB3 数据集，PFU/mL 估算值与人工计算结果高度吻合（Pearson r=0.975）。与 U-Net、StarDist、HSD-WBR 和 PyPlaque 的比较实验表明，该方法在分割和计数性能方面具有竞争力；在公开的 VACVPlaque 数据集上，所提出的方法取得了最高的 Dice 系数和 mAP。
## 利益冲突声明
## 版权
本预印本的。
该预印本依据 CC-BY 4.0 国际许可协议发布。
返回顶部
上一篇
下一篇
发布于2026年9月8日。
下载 PDF
电子邮件
感谢您有意传播 bioRxiv 上的相关内容。
您的电子邮件地址 *
您的姓名 *
发送至 *
请输入多个地址，每行一个，或使用逗号分隔。
您即将发送以下内容：
基于深度学习从实验室培养皿图像端到端完成蚀斑计数与病毒滴定
邮件主题
（您的姓名）从 bioRxiv 网站向您转发了一个页面
邮件正文
（您的姓名）认为您可能会对 bioRxiv 网站上的这一页面感兴趣。
您的个人留言
验证码
此问题用于确认您是真实访客，并防止自动垃圾邮件提交。
分享
# 基于深度学习从实验室培养皿图像端到端完成蚀斑计数与病毒滴定
Eugenia Moris，Alicia Costáble，Sebastián Rey，Irene Ferreiro，Joaquín Hurtado，Matías Villagrán，Lizandra Lissette Luciano，Aisha Espino Vázquez，Jomari Ramos，Isadora Monteiro，María Victoria de Santiago，Pilar Moreno，Gonzalo Moratorio，José Ignacio Orlando
bioRxiv
2026.09.04.749375；
DOI：
https://doi.org/10.64898/2026.09.04.749375
分享本文：
复制
引用工具
# 基于深度学习从实验室培养皿图像端到端完成蚀斑计数与病毒滴定
Eugenia Moris，Alicia Costáble，Sebastián Rey，Irene Ferreiro，Joaquín Hurtado，Matías Villagrán，Lizandra Lissette Luciano，Aisha Espino Vázquez，Jomari Ramos，Isadora Monteiro，María Victoria de Santiago，Pilar Moreno，Gonzalo Moratorio，José Ignacio Orlando
bioRxiv
2026.09.04.749375；
DOI：
https://doi.org/10.64898/2026.09.04.749375
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.04.749375v1?rss=1
🏷️ 深度学习 噬斑计数 病毒滴度测定 图像分割 计算生物学