色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

微流體壓縮通道陣列結(jié)合機(jī)器學(xué)習(xí)識別乳腺癌細(xì)胞

電子工程師 ? 來源:lq ? 2018-12-31 14:32 ? 次閱讀

癌癥一直以來是威脅人們生命健康的首要疾病,隨著世界范圍內(nèi)科技進(jìn)步發(fā)展,自身因素導(dǎo)致的突變和外部因素誘導(dǎo)的癌癥患者數(shù)量大幅提升。目前各種抗癌藥物研發(fā)和治療手段的發(fā)展在臨床應(yīng)用上起到了一定程度的效果,但癌細(xì)胞的抗藥性和抗治療方法特性也在不斷改變。針對患者自身的癌細(xì)胞擴(kuò)散程度建立治療方案的“個性化醫(yī)療”和“精確醫(yī)療”理念也在不斷完善和發(fā)展。精確醫(yī)療需要在診斷病人癌細(xì)胞的擴(kuò)散程度和轉(zhuǎn)移能力方面達(dá)到個性化識別。

微流體技術(shù)已經(jīng)廣泛應(yīng)用于細(xì)胞的識別,生物物理特性檢測,以及藥物治療效果的檢測分析。很多綜述文章討論過對于微流體通道本身的制造方法和結(jié)構(gòu)的改進(jìn),用來促進(jìn)不同種類細(xì)胞的識別和測量。這種器件可以同時處理大量樣品,同時保證達(dá)到單細(xì)胞精度,確保單個細(xì)胞通過多級的壓縮和舒張區(qū)域,達(dá)到對細(xì)胞骨架和細(xì)胞膜生物機(jī)械特性的測量。在細(xì)胞檢測數(shù)據(jù)的分析方面,引入機(jī)器學(xué)習(xí)人工智能算法屬于未來醫(yī)療的趨勢。在醫(yī)院診斷方面,使用人工智能算法可以綜合大量數(shù)據(jù)作為分析和學(xué)習(xí)的數(shù)據(jù)庫,可以提供更精確的數(shù)據(jù)判斷結(jié)果。

圖1:(TOC圖)微流體壓縮通道陣列識別癌細(xì)胞

微流體芯片采用光敏樹脂SU-8 3005和3025作為硅片上的光刻材料,可以制造出寬6-10微米,高8-10微米的壓縮區(qū)通道,以及寬30-40微米,高20-30微米的舒張區(qū)。首先在清潔的硅片上添加SU-83025作為第一層,使用能量為300mJ/cm2的紫外光固化。經(jīng)過SU-8洗滌清洗后干燥,再添加較厚的SU-8 3025作為第二層,使用能量為350mJ/cm2的紫外光固化,洗去不需要的結(jié)果之后,用異丙醇清洗整個硅片,同時在硅膠PDMS反向注模之前保持清潔。在確保沒有多余氣泡產(chǎn)生的情況下,PDMS在65°C 的加熱24小時,即可取下作為微流體的主要部分。經(jīng)過氧氣的等離子處理表面70秒后,可與玻璃粘合成為微流體芯片。

在壓縮區(qū)中,所有細(xì)胞都會在流體壓力的情況下發(fā)生形變,其通過速度可以有高速照相機(jī)捕捉。當(dāng)細(xì)胞進(jìn)入舒張區(qū)時,較容易變形的細(xì)胞,比如癌細(xì)胞,更容易恢復(fù)其原有的形狀,當(dāng)進(jìn)入下一個壓縮區(qū)時,二次形變發(fā)生的程度都會有第一次形變有所不同,表現(xiàn)為在微流體通道中,通道壁與細(xì)胞表面的切應(yīng)力發(fā)生非線性的變化,因而改變通過的速度。這一速度變化可以作為標(biāo)示生物機(jī)械特性的一組變量。如果進(jìn)入微流體通道的是正常細(xì)胞,通常正常上皮細(xì)胞有更結(jié)實的細(xì)胞骨架結(jié)構(gòu),更不容易發(fā)生形變,而在微流體壓力作用下發(fā)生形變之后,在舒張區(qū)不容易恢復(fù)其原有形態(tài),所以可以更快地通過第二次壓縮變形,從而顯示出與癌細(xì)胞不一樣的速度分布。根據(jù)這種速度分布,我們可以總結(jié)出單個細(xì)胞的速度特性,而這種速度特性間接地表現(xiàn)出細(xì)胞結(jié)構(gòu)的強(qiáng)度和楊氏模量等參數(shù),從而間接的識別癌細(xì)胞與正常細(xì)胞。

圖2:實驗裝置示意圖(X.Ren,et al., ACS Sensors,2017, 2 (2), 290-299)。

除此之外,對于寬度超過細(xì)胞大小的舒張區(qū)可以給細(xì)胞完全恢復(fù)原有形態(tài)的機(jī)會,我們還可以設(shè)計出相對于這種“完全舒張區(qū)”的“部分舒張區(qū)”微流體通道。現(xiàn)有設(shè)計中30微米以上的舒張區(qū)可以改為9-12微米的部分舒張區(qū)。當(dāng)細(xì)胞在舒張區(qū)試圖恢復(fù)原有形態(tài)的時候,部分舒張區(qū)只允許細(xì)胞恢復(fù)到9-12微米的柱狀,這種形態(tài)下,不同種類的細(xì)胞會表現(xiàn)出與完全舒張區(qū)不同的速度分布特性。對于我們使用機(jī)器學(xué)習(xí)方法的項目,產(chǎn)生這種更獨(dú)特的速度分布數(shù)據(jù)只會更有利于最終的結(jié)果分析。尤其是針對臨床樣品的癌細(xì)胞研究,當(dāng)檢測某種特定的抗癌藥物的藥效時,盡可能精確的區(qū)分產(chǎn)生藥效的和為產(chǎn)生藥效,或者本身已經(jīng)產(chǎn)生抵抗藥物的現(xiàn)象下的癌細(xì)胞就尤為重要。采用這種多級的微流體芯片能獲取盡可能多的細(xì)胞生物機(jī)械特性數(shù)據(jù)。

圖3:(a)微流體通道示意圖;(b)采集到的細(xì)胞速度。

Kernel模型的機(jī)器學(xué)習(xí)方法可以實現(xiàn)針對高維變量的大數(shù)據(jù)分析。主要采用三種方法:Ridge,NGK,和Lasso。其中Ridge和Lasso都是基于線性模型,而NGK突出非線性變量在模型中的權(quán)重。采集到的細(xì)胞生物機(jī)械特性由大量的速度變量組成,同時不同運(yùn)算下的速度變量又可以產(chǎn)生大量的高維變量。傳統(tǒng)的數(shù)據(jù)處理和數(shù)據(jù)分析在處理這樣大量的數(shù)據(jù)結(jié)果時不容易捕捉到有效變量和有效的變量內(nèi)在關(guān)系,所以使用機(jī)器學(xué)習(xí)的方法可以用于快速,有效地識別不同類型的細(xì)胞。

選取變量是第一步,比如間接描述生物機(jī)械特性的速度變量,在一個微流體通道中可以定義12個速度變量v1, v2, … , v12。進(jìn)一步可以定義速度變化率,比如αm,n=(vm-vn)/vn, (m=1,2,…,12; n=1,2,…,12),這樣就可以再產(chǎn)生66個變量。

首先,將所有高維變量數(shù)據(jù)分為10組,以便于交叉運(yùn)算。首先考慮對每種細(xì)胞類型t,t=1,…,T,做n次測量,得到p個變量的數(shù)據(jù)組(y,Xt), 其中 Xt=[x1t,x2t,…,xpt],定義xjt=[xj1t,xj2t,…,xjnt]T是一個第j組的n×1的向量,有j=1,…,p.對于Ridge和Lasso,根據(jù)變量產(chǎn)生線性模型:

其中H是函數(shù),而且有:

o4YBAFwkcm-AdklyAAAbzcDc07c894.png

Ridge和Lasso分別采用L2絕對值||β||2和L1絕對值||β||,其中β=(β0,β1,…, βp)T。Ridge的目標(biāo)函數(shù)是得到下面這個方程的最小值:

o4YBAFwkcm-AJ03fAAAheFQxFd8367.png

而Lasso的目標(biāo)是得到下面這個方程的最小值:

o4YBAFwkcm-AAOKfAAAg4AUSZOM767.png

NGK與這兩種不同,NGK除了尋找高維變量的線性關(guān)系外,還加入非線性模型kernel函數(shù),包含非顯著的隱藏變量,此模型表述為:

o4YBAFwkcnCAOpaXAAAlKPyuZzc050.png

其中f(Xt)是未知函數(shù),K是kernel矩陣對應(yīng)的希爾伯特空間,而α是未知常數(shù)。這樣kernel模型可以表達(dá)為一個非線性方程:

o4YBAFwkcnCAdI2UAAAeQ5_2l14649.png

其中g(shù)是未知的高斯形態(tài)函數(shù),Dj是第(k,l)個輸入的dklj=-(xjk-xjl)2組成的矩陣。這時選用變量ξ=(ξ0,ξ1,…, ξp),NGK的目標(biāo)函數(shù)則是:

o4YBAFwkcnKAChlpAAAetSuQS3A214.png

每次使用10組數(shù)據(jù)中的9組作為機(jī)器學(xué)習(xí)的訓(xùn)練組,用剩余的1組作為檢驗組,通過反復(fù)選組10次,可以獲得預(yù)測值。包括最大值,最小值,Q25,Q50(中值),Q75,和平均值。

o4YBAFwkcnKACE_tAACSD1pvJtY664.png

圖4:細(xì)胞系的Kernel機(jī)器學(xué)習(xí)預(yù)測結(jié)果。

僅使用16組微流體通道中細(xì)胞的速度變量作為目標(biāo)的高維變量組,使用三種機(jī)器學(xué)習(xí)方法識別出的不同類型的細(xì)胞,TNBC乳腺癌細(xì)胞MDA-MB-231與普通上皮細(xì)胞MCF-10A的識別率為81-84%,其中NGK和Lasso方法比Ridge方法的結(jié)果更顯著。同樣對于TNBC的HCC-1806與普通細(xì)胞對比結(jié)果為82-85%;而ER+/PR+/Her2-的乳腺癌細(xì)胞MCF-7與普通細(xì)胞對比結(jié)果為80-84%。所以基于癌細(xì)胞和正常細(xì)胞的生物機(jī)械特性,機(jī)器學(xué)習(xí)方法就可以達(dá)到80%以上的識別率。

o4YBAFwkcnOAO-26AABes0ojDSc163.png

圖5:病人乳腺癌組織的Kernel機(jī)器學(xué)習(xí)預(yù)測結(jié)果。

同樣的方法應(yīng)用于乳腺癌病人的活檢樣品上,由于淋巴細(xì)胞和巨噬細(xì)胞存在的情況,機(jī)器學(xué)習(xí)預(yù)測結(jié)果比細(xì)胞系較低,但仍能給活檢樣品提供轉(zhuǎn)移性和浸潤性提供數(shù)據(jù)支持。

文章信息:Xiang Ren, Parham Ghassemi, Yasmine M.Kanaan, Tammey Naab, Robert L. Copeland, Robert L. Dewitty, Inyoung Kim,Jeannine S. Strobl, and Masoud Agah. "Kernel-basedmicrofluidic constriction assay for tumor sample identification."ACS sensors,vol. 3, no. 8 (2018):1510-1521.

這篇2018年的文章延續(xù)了作者2017年發(fā)表在ACS Sensors上的文章。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 芯片
    +關(guān)注

    關(guān)注

    455

    文章

    50732

    瀏覽量

    423197
  • 機(jī)器學(xué)習(xí)

    關(guān)注

    66

    文章

    8408

    瀏覽量

    132572
  • 微流體
    +關(guān)注

    關(guān)注

    0

    文章

    34

    瀏覽量

    8550

原文標(biāo)題:微流體壓縮通道陣列結(jié)合機(jī)器學(xué)習(xí)識別乳腺癌細(xì)胞

文章出處:【微信號:Microfluidics-Tech,微信公眾號:微流控科技】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏

    評論

    相關(guān)推薦

    基于邏輯回歸算法的乳腺癌腫瘤二分類預(yù)測

    ML之LoR:基于LoR(邏輯回歸)算法對乳腺癌腫瘤進(jìn)行二分類預(yù)測(良惡性)
    發(fā)表于 06-18 07:06

    基于kNN算法可以診斷乳腺癌

    用kNN算法診斷乳腺癌
    發(fā)表于 06-21 09:31

    HE染色乳腺癌組織病理圖像分析

    HE染色的乳腺癌組織病理圖像是分析診斷乳腺癌常用的方法,病理學(xué)家普遍認(rèn)為癌巢和間質(zhì)的病理形態(tài)學(xué)特征對研究乳腺癌的生物學(xué)行為有著預(yù)示作用,所以準(zhǔn)確分割癌巢和間質(zhì)顯得尤為重要。對于HE染色乳腺癌
    發(fā)表于 11-22 17:26 ?4次下載
    HE染色<b class='flag-5'>乳腺癌</b>組織病理圖像分析

    DeepMind通過機(jī)器學(xué)習(xí)技術(shù)有助于改善乳腺癌

      DeepMind成立DeepMind Health致力于開發(fā)有助于解決社會棘手難題的技術(shù),而其最新研究計劃主題為乳腺癌,DeepMind將會通過機(jī)器學(xué)習(xí)應(yīng)用于篩檢乳腺癌。與由
    發(fā)表于 12-12 09:20 ?891次閱讀

    谷歌DeepMind放下圍棋 轉(zhuǎn)攻乳腺癌

    這個項目的目標(biāo)是,通過將機(jī)器學(xué)習(xí)應(yīng)用于乳腺X光檢查,來探索新的方法以提高乳腺癌的檢測幾率。乳腺X光檢查是通常用于檢查乳房健康狀況的X射線技術(shù)
    發(fā)表于 04-24 09:05 ?1090次閱讀

    英特爾攜手匯醫(yī)慧影,利用AI技術(shù)檢查乳腺癌

    “粉紅絲帶”是全球乳腺癌防治活動的標(biāo)識,女性一生中患乳腺癌的概率為10%,發(fā)病率已居女性惡性腫瘤中的第一位。“早預(yù)防、早發(fā)現(xiàn)、早治療”乳腺癌,對現(xiàn)代女性的生命和健康至關(guān)重要。乳腺X線攝
    發(fā)表于 09-30 10:00 ?1486次閱讀

    乳腺鉬靶AI落地臨床,乳腺癌患者的福音

    為了早期發(fā)現(xiàn)乳腺癌,臨床多采取乳腺X線鉬靶檢查的方式。這一方式成熟、簡便、廉價,可靠性也較好。多個醫(yī)學(xué)指南認(rèn)為:高標(biāo)準(zhǔn)的乳腺X線篩查和復(fù)查可檢出大多數(shù)臨床前期階段的乳腺癌,有效降低
    發(fā)表于 10-19 16:07 ?3205次閱讀

    AI新聞:訓(xùn)練AI檢測乳腺癌

    乳腺癌是女性最常見的癌癥之一。 在2018年,估計僅在美國就會有超過20萬的新診斷。
    的頭像 發(fā)表于 11-05 06:58 ?2097次閱讀

    如何使用機(jī)器學(xué)習(xí)方法進(jìn)行乳腺癌的輔助診斷

    本文利用核主成分分析法對乳腺癌的影響因子進(jìn)行特征提取,以獲取的主成分作為支持向量機(jī)的特征向量建立支持向量機(jī)模型,其中模型參數(shù)分別通過粒子群算法和遺傳算法進(jìn)行選擇優(yōu)化,分別構(gòu)建
    發(fā)表于 01-17 16:58 ?13次下載
    如何使用<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>方法進(jìn)行<b class='flag-5'>乳腺癌</b>的輔助診斷

    MIT研究員最新AI模型可提前5年預(yù)測乳腺癌風(fēng)險!

    。相比于傳統(tǒng)檢測模型,該模型將預(yù)測準(zhǔn)確率從18%提高到31%,在不同族裔女性罹患乳腺癌風(fēng)險的預(yù)測普適性上取得突破。 新的深度學(xué)習(xí)模型可以在癌癥發(fā)病(右圖)前4年,識別乳腺癌
    的頭像 發(fā)表于 05-11 10:38 ?4493次閱讀

    谷歌人工智能模型乳腺癌識別還存在什么沒有完善的

    谷歌正在開發(fā)人工智能來幫助醫(yī)生識別乳腺癌
    發(fā)表于 01-03 14:15 ?846次閱讀

    人工智能乳腺癌診斷能力精確 在防控乳腺癌的長期戰(zhàn)斗中取得突破

    據(jù)報道,1月1日《自然》雜志發(fā)布的一項最新研究顯示,人工智能程序從常規(guī)乳房X線掃描中識別乳腺癌的得分已經(jīng)超過了醫(yī)學(xué)專家,這有助于在防控乳腺癌的長期戰(zhàn)斗中取得突破。
    發(fā)表于 01-07 09:21 ?661次閱讀

    復(fù)旦腫瘤醫(yī)院與華米聯(lián)手研究:可穿戴設(shè)備可促進(jìn)乳腺癌康復(fù)

    近日,復(fù)旦大學(xué)附屬腫瘤醫(yī)院與華米科技(NYSE:HMI)的共同研究成果:《可穿戴設(shè)備為基礎(chǔ)的生活方式干預(yù)對I-III期乳腺癌術(shù)后患者身體成分影響》,在Frontiers in Oncology發(fā)表
    的頭像 發(fā)表于 11-03 14:15 ?1565次閱讀

    使用Movidius和UP2進(jìn)行乳腺癌分類

    電子發(fā)燒友網(wǎng)站提供《使用Movidius和UP2進(jìn)行乳腺癌分類.zip》資料免費(fèi)下載
    發(fā)表于 06-13 15:33 ?0次下載
    使用Movidius和UP2進(jìn)行<b class='flag-5'>乳腺癌</b>分類

    利用流控技術(shù)模擬骨仿生環(huán)境促進(jìn)乳腺癌進(jìn)展機(jī)理研究

    乳腺癌是女性健康潛在威脅之一。臨床研究表明,骨是晚期乳腺癌患者最常發(fā)生轉(zhuǎn)移的部位之一,嚴(yán)重影響患者的生活質(zhì)量。
    的頭像 發(fā)表于 07-11 10:18 ?1106次閱讀
    利用<b class='flag-5'>微</b>流控技術(shù)模擬骨仿生<b class='flag-5'>微</b>環(huán)境促進(jìn)<b class='flag-5'>乳腺癌</b>進(jìn)展機(jī)理研究
    主站蜘蛛池模板: 中文字幕无码亚洲视频| 亚洲欧美精品无码大片在线观看| 强奸日本美女小游戏| 青青草原伊人网| 色综合久久88一加勒比| 亚洲AV人无码综合在线观看蜜桃| 亚洲精品久久7777777| 伊人角狠狠狠狠| 99re久久热最新地址一| 草莓视频在线播放视频| 国产精品高清在线观看地址| 激情床戏视频片段有叫声| 老版香蕉版下载| 人妖干美女| 亚洲国产高清在线| 一个人免费播放高清在线观看| 99久酒店在线精品2019| 国产成人永久免费视频| 久草高清在线| 欧美国产成人在线| 午夜DY888国产精品影院| 在线精品国精品国产不卡| a视频免费看| 国产偷国产偷亚州清高| 开心成人社区| 天美传媒在线观看免费完整版| 妖精视频在线观看高清| japanese from色系| 国产亚洲精品成人AV久久| 麻豆久久婷婷五月国产| 涩涩免费视频软件| 又粗又大又爽又黄的免费视频| 憋尿调教绝望之岛| 国语大学生自产拍在线观看| 末成年美女黄网站色大片连接| 少妇性饥渴BBBBBBBBB| 伊人久久久久久久久久| 超碰免费视频公开观看| 精品国产乱码久久久人妻| 人人插人人射| 在线免费观看视频a|