具深度學習之超高像素顯微術於活細胞抗癌藥物治療之高通量動態影像分析系統研製(二)(1/2)

專案詳細資料

Description

本研究旨在發展新穎的高通量顯微術(High-throughput microscopy, HTM),結合計算光學(Computational Optics)與深度學習(Deep Learning, DL)兩項技術應用在細胞影像等相關研究。高通量顯微技術具有可擷取大面積並保有高解析度影像之特性,因此可同時取得多種生理條件與環境下之巨量的細胞結構以及其行為動力學的時間與空間資訊[1-3],經過減少個體差異性及可系統化的生物過程中進行計算評估[4,5],可取得傳統的生物顯微術無法量測與估算的大量或群體細胞生物過程之隱藏特徵。透過本研究預計發展的深度學習顯微術(Deep Learning Microscopy, DLM),可以解決當前HTM面臨的技術挑戰。研究技術核心為使用傅立葉疊層成像顯微術(Fourier Ptychographic Microscopy, FPM)[10-12],調變不同的照明角度以產生具有不同空間移位的光學信息,透過收集低分辨率圖像序列後,重建取得空間高頻分量之資訊,進而同時取得大視場與高分辨率影像。在我們初步實驗中,已經成功重建一組測試樣本的大視場(Field of View,FOV)與高分辨影像。另外,本研究計畫結合深度學習(DL)技術發展一套深度學習顯微系統(DLM),可透過深度學習在大型數據集中獲得與分析信息的能力[13,14],應用於高通量影像分析,進行進行癌細胞之篩選抗癌藥物和鑑定耐藥機制之研究。發展深度學習顯微術(DLM)提供相關癌症研究新面向技術突破,尤其是在篩選抗癌藥物和鑑定耐藥機制方面,此技術不僅能同時處理的大視場(FOV)與高分辨率的影像,也大幅降低傳統顯微技術所需的系統複雜度和成本,使研究者在一般實驗室環境下仍可使用[15]。
狀態已完成
有效的開始/結束日期1/08/2031/07/21

聯合國永續發展目標

聯合國會員國於 2015 年同意 17 項全球永續發展目標 (SDG),以終結貧困、保護地球並確保全體的興盛繁榮。此專案有助於以下永續發展目標:

  • SDG 3 - 良好的健康和福祉
  • SDG 12 - 負責任的消費與生產
  • SDG 17 - 為永續目標構建夥伴關係

Keywords

  • 顯微術
  • 計算成像
  • 細胞
  • 診斷
  • 深度學習

指紋

探索此專案觸及的研究主題。這些標籤是根據基礎獎勵/補助款而產生。共同形成了獨特的指紋。