論文の概要: Stain-free, rapid, and quantitative viral plaque assay using deep learning and holography

• arxiv url: http://arxiv.org/abs/2207.00089v1
• Date: Thu, 30 Jun 2022 20:12:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-04 14:53:49.504951
• Title: Stain-free, rapid, and quantitative viral plaque assay using deep learning and holography
• Title（参考訳）: 深層学習とホログラフィを用いた無染色・迅速・定量的ウイルスプラークアッセイ
• Authors: Tairan Liu, Yuzhu Li, Hatice Ceylan Koydemir, Yijie Zhang, Ethan Yang, Hongda Wang, Jingxi Li, Bijie Bai, Aydogan Ozcan
• Abstract要約: プラークアッセイ(Plaque assay)は、複製競合性ビリオンの濃度を定量化するための金標準法である。 レンズレスホログラフィーとディープラーニングを用いた迅速で無臭な定量的ウイルスプラークアッセイを行った。 テストあたりのオブジェクトの0.32ギガピクセル/時間位相情報を、ラベルフリーで30x30mm2の範囲をカバーする。
• 参考スコア（独自算出の注目度）: 2.164181985292877
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Plaque assay is the gold standard method for quantifying the concentration of replication-competent lytic virions. Expediting and automating viral plaque assays will significantly benefit clinical diagnosis, vaccine development, and the production of recombinant proteins or antiviral agents. Here, we present a rapid and stain-free quantitative viral plaque assay using lensfree holographic imaging and deep learning. This cost-effective, compact, and automated device significantly reduces the incubation time needed for traditional plaque assays while preserving their advantages over other virus quantification methods. This device captures ~0.32 Giga-pixel/hour phase information of the objects per test well, covering an area of ~30x30 mm^2, in a label-free manner, eliminating staining entirely. We demonstrated the success of this computational method using Vero E6 cells and vesicular stomatitis virus. Using a neural network, this stain-free device automatically detected the first cell lysing events due to the viral replication as early as 5 hours after the incubation, and achieved >90% detection rate for the plaque-forming units (PFUs) with 100% specificity in <20 hours, providing major time savings compared to the traditional plaque assays that take ~48 hours or more. This data-driven plaque assay also offers the capability of quantifying the infected area of the cell monolayer, performing automated counting and quantification of PFUs and virus-infected areas over a 10-fold larger dynamic range of virus concentration than standard viral plaque assays. This compact, low-cost, automated PFU quantification device can be broadly used in virology research, vaccine development, and clinical applications
• Abstract（参考訳）: プラークアッセイ(Plaque assay)は、複製競合性溶質ビリオンの濃度を定量化するための金標準法である。 ウイルスプラークアッセイの迅速かつ自動化は、臨床診断、ワクチン開発、組換えタンパク質または抗ウイルス剤の製造に有益である。 本稿では,レンズレスホログラフィと深層学習を用いた迅速かつ無染色な定量ウイルスプラーク測定法を提案する。 このコスト効率が高くコンパクトで自動化された装置は、従来のプラークアッセイに必要なインキュベーション時間を著しく短縮し、他のウイルス定量法よりもその利点を保っている。 この装置は、テストあたりのオブジェクトの0.32ギガピクセル/時間位相情報を取り込み、ラベル無しで30x30mm^2の範囲をカバーし、完全に染色を除去する。 我々は,Vero E6細胞とvesicular stomatitis virusを用いたこの計算法の有効性を実証した。 ニューラルネットワークを用いて、インキュベーション後5時間以内に、ウイルス複製による第1細胞ライシングイベントを自動的に検出し、20時間以上で100%特異なプラーク形成単位(pfus)に対して90%以上の検出率を達成し、48時間以上を要する従来のプラークアッセイと比べて大きな時間を節約する。 データ駆動型プラークアッセイは、細胞単分子膜の感染領域を定量化し、標準のウイルスプラークアッセイよりも10倍のダイナミックレンジのウイルス濃度でPFUおよびウイルス感染領域の自動カウントおよび定量を行う能力も提供する。 このコンパクトで低コストで自動化されたpfu定量装置は、ウイルス学研究、ワクチン開発、臨床応用に広く使用できる

関連論文リスト

• Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer Tissue Biopsy Samples [94.37521840642141]
  生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。 これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
  論文  参考訳（メタデータ） (2022-03-23T00:58:27Z)
• The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk Screening by Eye-region Manifestations [59.48245489413308]
  携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。 AUC, 感度, 特異性, 精度, F1。
  論文  参考訳（メタデータ） (2021-09-18T02:28:01Z)
• Development of a Risk-Free COVID-19 Screening Algorithm from Routine Blood Tests Using Ensemble Machine Learning [0.0]
  キットの不足とコストが原因で、多くの人々が感染し、検査前に回復または死亡している。 この研究は、リスクフリーで高精度なStacked Ensemble Machine Learningモデルを提案することで、COVID-19検出の概念を活用する。 提案手法は,ユビキタス・ユビキタス・ローコストスクリーニングアプリケーションの可能性を有する。
  論文  参考訳（メタデータ） (2021-08-12T11:01:53Z)
• Hoechst Is All You Need: LymphocyteClassification with Deep Learning [15.530447606593238]
  フーチスト染色はより安価で実行が容易であるが、この場合、免疫蛍光技術によって標的となるタンパク質よりもDNAに結合するため、一般的には使われない。 以前は、DNA形態のみに基づいてこれらのタンパク質を発現する細胞を区別することは不可能であった。 この研究では、ディープ畳み込みニューラルネットワークをトレーニングし、90%以上の精度で3つのタンパク質を発現する細胞を同定し、リコールする。
  論文  参考訳（メタデータ） (2021-07-09T12:33:22Z)
• COVID-19 Detection from Chest X-ray Images using Imprinted Weights Approach [67.05664774727208]
  胸部X線撮影は、COVID-19の代替スクリーニング方法です。 コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。 この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
  論文  参考訳（メタデータ） (2021-05-04T19:01:40Z)
• An Automated Approach for Timely Diagnosis and Prognosis of Coronavirus Disease [1.52292571922932]
  コロナウイルス病2019(COVID-19)の流行以降、感染した患者の多くは高熱、乾ききき、喉の腫れなどと診断され、重篤な肺炎に繋がった。 これまで、肺イメージングによるCOVID-19の診断は、この疾患の早期診断の主要な証拠であることが証明されています。 提案手法は,非造影CT(non-contrast chest Computed tomography)スキャンによる疾患の自動診断と予後に焦点をあてるものである。
  論文  参考訳（メタデータ） (2021-04-29T05:26:30Z)
• Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
  我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。 具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
  論文  参考訳（メタデータ） (2020-10-20T08:36:51Z)
• JCS: An Explainable COVID-19 Diagnosis System by Joint Classification and Segmentation [95.57532063232198]
  新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。 感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。 本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
  論文  参考訳（メタデータ） (2020-04-15T12:30:40Z)
• Viral Pneumonia Screening on Chest X-ray Images Using Confidence-Aware Anomaly Detection [86.81773672627406]
  短期間のウイルス性肺炎の集団は、SARS、MERS、最近のCOVID-19のような流行やパンデミックのハービンガーである可能性がある。 胸部X線によるウイルス性肺炎の迅速かつ正確な検出は,大規模スクリーニングや流行予防に有用である。 ウイルス性肺炎はしばしば多彩な原因を持ち、X線画像に顕著な視覚的外観を示す。
  論文  参考訳（メタデータ） (2020-03-27T11:32:18Z)
• Automatic Detection of Coronavirus Disease (COVID-19) Using X-ray Images and Deep Convolutional Neural Networks [0.0]
  中国発祥の新型コロナウイルス(COVID-19)は、他国に住む人々の間で急速に広まっている。 新型コロナウイルス(COVID-19)検査キットは毎日増えているため、病院では限られている。 5つの事前訓練された畳み込みニューラルネットワークに基づくモデルが、胸部X線写真を用いた新型コロナウイルス感染者の検出のために提案されている。
  論文  参考訳（メタデータ） (2020-03-24T13:50:23Z)
• Early-detection and classification of live bacteria using time-lapse coherent imaging and deep learning [0.5374144381476773]
  計算生菌検出システムは、60mmの寒天板内の細菌成長のコヒーレント顕微鏡画像を定期的にキャプチャする。 システムは、深層ニューラルネットワークを用いてこれらの時間経過ホログラムを分析し、細菌の成長を迅速に検出し、対応する種の分類を行う。
  論文  参考訳（メタデータ） (2020-01-29T05:39:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。