طوَّرت هذه الدراسة طريقة جديدة للكشف غير الموسوم تعتمد على التصوير المجهري العميق والتعلم العميق. تم استخدام خط خلايا سرطان الرئة ذو الخلايا غير الصغيرة A549 كهدف، وتم بناء مجموعة بيانات تحتوي على صور المجال المضيء وبيانات تعليم نشاط الخلايا المقابلة. تم تصميم شبكة دمج ميزات متعددة المقاييس ذات فرعين Enhanced-UNet، من خلال الجمع بين قدرة UNet++ على استعادة التفاصيل وقدرة DeepLabV3+ على نمذجة السياق، وتم إدخال وحدات ضغط-تنشيط فضائي وقنوي ووحدة تجميع هرمية فضائية ذات ثقوب لتعزيز استخراج الميزات التفصيلية والسياق العام. أظهرت النتائج أن متوسط مؤشر التداخل (mIoU) ومتوسط معامل Dice (mDice) للنموذج على مجموعة البيانات التي تم إنشاؤها بلغ 0.7623 و0.8556 على التوالي، مع معامل ارتباط التنبؤ r=0.912، متفوقًا على نماذج رئيسية مثل UNet وSegNet وFCN وPSPNet وLinkNet. لا تتطلب هذه الطريقة استخدام الكواشف الكيميائية، مما يتجنب التأثير على حالة الخلايا، ويمكنها مراقبة حالة بقاء خلايا A549 ديناميكيًا ومتواصلًا، مما يوفر مرجعًا ذا قيمة لتطوير تقنيات الكشف عن نشاط خلايا سرطان الرئة غير الموسومة.

كشف نشاط الخلايا; التصوير المجهري البصري; خلايا سرطان الرئة; التعلم العميق