В данном исследовании разработан новый метод немаркированного обнаружения на основе микроскопической визуализации и глубокого обучения. В качестве объекта использовалась культура клеток немелкоклеточного рака легкого A549, была построена база данных светлых полевых изображений с соответствующими аннотациями жизнеспособности клеток. Разработана двухветвистая многомасштабная сеть слияния признаков Enhanced-UNet, которая сочетает способность UNet++ к восстановлению деталей и возможности DeepLabV3+ по моделированию контекста, а также вводит пространственно-канальные блоки сжатия-активации и модули пространственно-связанного пирамидального пула с дырчатой сверткой для усиления извлечения локальных и глобальных контекстных признаков. Результаты показывают, что средний индекс совпадения (mIoU) и средний коэффициент Dice (mDice) на собственном датасете составляют 0,7623 и 0,8556 соответственно, коэффициент корреляции прогноза r=0,912, превосходя пять популярных моделей: UNet, SegNet, FCN, PSPNet и LinkNet. Метод не требует использования химических реагентов, избегая воздействия на состояние клеток, и способен динамически непрерывно контролировать выживаемость клеток A549, что предоставляет ценную информацию для разработки технологий немаркированного обнаружения активности раковых клеток легкого.

обнаружение жизнеспособности клеток; оптическая микроскопия; раковые клетки легкого; глубокое обучение