亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Cell Mechanics Based Computational Classification of Red Blood Cells Via Machine Intelligence Applied to Morpho-Rheological Markers

细胞仪 形态 计算机科学 分类 吞吐量 人工智能 流式细胞术 计算生物学 生物 免疫学 材料科学 纳米技术 电信 无线
作者
Yan Ge,Philipp Rosendahl,Claudio Durán,Nicole Töpfner,Sara Ciucci,Jochen Guck,Carlo Vittorio Cannistraci
出处
期刊:IEEE/ACM Transactions on Computational Biology and Bioinformatics [Institute of Electrical and Electronics Engineers]
卷期号:18 (4): 1405-1415 被引量:9
标识
DOI:10.1109/tcbb.2019.2945762
摘要

Despite fluorescent cell-labelling being widely employed in biomedical studies, some of its drawbacks are inevitable, with unsuitable fluorescent probes or probes inducing a functional change being the main limitations. Consequently, the demand for and development of label-free methodologies to classify cells is strong and its impact on precision medicine is relevant. Towards this end, high-throughput techniques for cell mechanical phenotyping have been proposed to get a multidimensional biophysical characterization of single cells. With this motivation, our goal here is to investigate the extent to which an unsupervised machine learning methodology, which is applied exclusively on morpho-rheological markers obtained by real-time deformability and fluorescence cytometry (RT-FDC), can address the difficult task of providing label-free discrimination of reticulocytes from mature red blood cells. We focused on this problem, since the characterization of reticulocytes (their percentage and cellular features) in the blood is vital in multiple human disease conditions, especially bone-marrow disorders such as anemia and leukemia. Our approach reports promising label-free results in the classification of reticulocytes from mature red blood cells, and it represents a step forward in the development of high-throughput morpho-rheological-based methodologies for the computational categorization of single cells. Besides, our methodology can be an alternative but also a complementary method to integrate with existing cell-labelling techniques.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Lucas应助一_采纳,获得10
21秒前
27秒前
30秒前
一_发布了新的文献求助10
35秒前
57秒前
羫孔发布了新的文献求助10
1分钟前
1分钟前
体贴花卷发布了新的文献求助10
1分钟前
1分钟前
羫孔发布了新的文献求助10
1分钟前
李健的小迷弟应助一_采纳,获得10
1分钟前
1分钟前
科研通AI2S应助体贴花卷采纳,获得10
1分钟前
1分钟前
1分钟前
Marciu33发布了新的文献求助10
1分钟前
一_发布了新的文献求助10
2分钟前
松松松茸关注了科研通微信公众号
2分钟前
一_完成签到,获得积分10
2分钟前
123456xq完成签到 ,获得积分10
2分钟前
酷波er应助松松松茸采纳,获得10
2分钟前
Eason完成签到,获得积分10
2分钟前
xiazhq完成签到,获得积分10
3分钟前
松松松茸完成签到,获得积分10
3分钟前
3分钟前
松松松茸发布了新的文献求助10
3分钟前
3分钟前
科研通AI2S应助科研通管家采纳,获得10
3分钟前
科研通AI2S应助科研通管家采纳,获得10
3分钟前
4分钟前
4分钟前
hugeyoung发布了新的文献求助10
4分钟前
打打应助hugeyoung采纳,获得10
4分钟前
hugeyoung完成签到,获得积分10
4分钟前
科研通AI2S应助科研通管家采纳,获得10
5分钟前
5分钟前
科研通AI2S应助科研通管家采纳,获得10
5分钟前
羫孔发布了新的文献求助10
5分钟前
平常的德天完成签到 ,获得积分10
6分钟前
草木发布了新的文献求助10
6分钟前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Cognitive Paradigms in Knowledge Organisation 2000
Introduction to Spectroscopic Ellipsometry of Thin Film Materials Instrumentation, Data Analysis, and Applications 1800
Natural History of Mantodea 螳螂的自然史 1000
A Photographic Guide to Mantis of China 常见螳螂野外识别手册 800
How Maoism Was Made: Reconstructing China, 1949-1965 800
Barge Mooring (Oilfield Seamanship Series Volume 6) 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3314398
求助须知:如何正确求助?哪些是违规求助? 2946641
关于积分的说明 8531258
捐赠科研通 2622396
什么是DOI,文献DOI怎么找? 1434493
科研通“疑难数据库(出版商)”最低求助积分说明 665329
邀请新用户注册赠送积分活动 650881