跳到正文
原文
Nature Methods· Jason Lequyer, Ferris Nowlan, Wen-Hsin Hsu 等 11 人

面向高度多重成像的零样本溢出降噪器

A zero-shot spillover denoiser for highly multiplexed images

AI 导读

SpillOT 无需配对数据或补偿矩阵,可同时去除多重成像的像素噪声与通道溢出。

摘要 · AI 翻译

高度多重成像技术是生物分析工具包的重要组成部分。然而,由此得到的图像可能受到相当大的噪声和溢出的影响。由于准确校正溢出通常需要额外的湿实验来确定通道之间如何相互作用,因此我们在此提出 SpillOT,一种纯计算零样本去噪与溢出校正工具,它以无监督方式运行,仅从输入图像中学习,无需额外实验或具有代表性的训练数据集。SpillOT 利用最优传输理论来识别跨通道的相似图像块,并仅保留真实信号。我们证明 SpillOT 超越了现有的零样本图像恢复技术,并显著提高了对成像质谱流式、组织循环免疫荧光和 Opal 多重免疫荧光数据集进行下游分析的可靠性和精确度。我们还表明,使用 SpillOT,我们可以在糖尿病数据中发现此前无法检测到的免疫浸润模式。我们将 SpillOT 作为独立脚本和 Fiji 插件发布。

中文由 AI 翻译,仅供参考,以原文为准。

来源:Nature Methods · nature.com

相关事件

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。