В данном исследовании разработан новый метод безметочной детекции на основе микроскопической визуализации и глубокого обучения. В качестве объекта использовалась линия клеток немелкоклеточного рака легкого A549, создан набор данных яркостных изображений и соответствующих аннотаций жизнеспособности клеток. Спроектирована двухветвевая сеть объединения многоуровневых признаков Enhanced-UNet, которая сочетает возможности восстановления деталей UNet++ и контекстного моделирования DeepLabV3+, введены пространственно-канальные модули сжатия-активации и модуль пространственно-разрывного пирамидального пуллинга, усиливающие выделение детальных и глобальных контекстных признаков. Результаты показывают, что модель достигает средних показателей пересечения по объему (mIoU) и коэффициента Dice (mDice) 0.7623 и 0.8556 на собственном наборе данных, корреляция предсказаний r = 0.912, превосходя 5 основных моделей: UNet, SegNet, FCN, PSPNet, LinkNet. Метод не требует использования химических реагентов, избегая вмешательства в состояние клеток, может динамически и непрерывно мониторить жизнеспособность клеток A549, предоставляя ценный ориентир для разработки технологии безметочной детекции жизнеспособности раковых клеток легкого.

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