bioRxiv 预印本· Pandey, T., Kudawla, R., Negi, S., Varshan, J. B. S., Devarakonda, C., Singh, D., Chatterjee, A., Bhatia, T. ·· 14 天前AI 评分12
基于深度学习图像分析框架的囊泡形状参数长期演化研究
Evolution of Vesicle Shape Parameters Based on A Deep-Learning Based Image Analysis Framework Over Extended Time Periods
AI 导读
研究团队利用相差显微镜对由1-棕榈酰-2-油酰-sn-甘油-3-磷酸胆碱构成、含或不含胆固醇的巨型单层膜囊泡(GUVs)进行成像,并借助深度学习图像分析框架在长时间尺度上量化其形态变化与出芽动力学。该框架整合母囊泡轮廓检测与子室精确分割,可在高时间分辨率下识别并追踪母、子囊泡,进而测量面积及出芽过程中局部膜曲率等形态学参数的时间演化。
来源:bioRxiv 预印本 · biorxiv.org