A novel automated morphological analysis of Iba1+ microglia using a deep learning assisted model.
A novel automated morphological analysis of Iba1+ microglia using a deep learning assisted model.
复制标题
DOI：
10.3389/fncel.2022.944875
复制
发表时间：
2022
影响因子：
5.3
通讯作者：
Brundin, Patrik
中科院分区：
文献类型：
--
作者：
Stetzik, Lucas;Mercado, Gabriela;Smith, Lindsey;George, Sonia;Quansah, Emmanuel;Luda, Katarzyna;Schulz, Emily;Meyerdirk, Lindsay;Lindquist, Allison;Bergsma, Alexis;Jones, Russell G.;Brundin, Lena;Henderson, Michael X.;Pospisilik, John Andrew;Brundin, Patrik
越来越多的证据表明，小胶质细胞功能状态在脑病理生理学中起着关键作用。因此，需要有效的自动化方法来测量研究环境中小胶质细胞功能状态特有的形态变化。目前，许多常用的自动化方法可能会受到样本表示偏差、耗时的成像、特定的硬件要求以及在研究环境中保持准确比较的困难。为了克服这些问题，我们使用商用深度学习工具Aiforia®Cloud(Aifoira Inc.，剑桥，马萨诸塞州，美国)对IBA1染色组织切片的组织病理切片中的小胶质细胞形态和细胞计数进行量化。我们在病毒感染和帕金森氏病的小鼠模型中提供了在一系列独立收集的数据集上有效应用该方法的证据。此外，我们还提供了一个全面的工作流程，其中包含按特征层划分的培训细节和注释策略，可用作生成新模型的指南。此外，本工作中描述的所有模型均可在Aiforia®平台内进行特定研究的调整和验证。
There is growing evidence for the key role of microglial functional state in brain pathophysiology. Consequently, there is a need for efficient automated methods to measure the morphological changes distinctive of microglia functional states in research settings. Currently, many commonly used automated methods can be subject to sample representation bias, time consuming imaging, specific hardware requirements and difficulty in maintaining an accurate comparison across research environments. To overcome these issues, we use commercially available deep learning tools Aiforia® Cloud (Aifoira Inc., Cambridge, MA, United States) to quantify microglial morphology and cell counts from histopathological slides of Iba1 stained tissue sections. We provide evidence for the effective application of this method across a range of independently collected datasets in mouse models of viral infection and Parkinson’s disease. Additionally, we provide a comprehensive workflow with training details and annotation strategies by feature layer that can be used as a guide to generate new models. In addition, all models described in this work are available within the Aiforia® platform for study-specific adaptation and validation.
登录
查看更多内容
影响因子：
5.3
作者：
Fernández-Arjona MDM;Grondona JM;Granados-Durán P;Fernández-Llebrez P;López-Ávalos MD
通讯作者：
López-Ávalos MD
DOI：
10.1016/j.mcpro.2021.100085
发表时间：
2021
期刊：
Molecular & cellular proteomics : MCP
影响因子：
--
作者：
Boekweg H;Guise AJ;Plowey ED;Kelly RT;Payne SH
通讯作者：
Payne SH
影响因子：
6.1
作者：
Johnson, Michaela E.;Bergkvist, Liza;Brundin, Patrik
通讯作者：
Brundin, Patrik
影响因子：
3.3
作者：
Makela, Kati;Mayranpaa, Mikko I.;Myllarniemi, Marjukka
通讯作者：
Myllarniemi, Marjukka
影响因子：
3.8
作者：
Kagadis, George C.;Kloukinas, Christos;Hendee, William R.
通讯作者：
Hendee, William R.