DeepFoci: Deep learning-based algorithm for fast automatic analysis of DNA double-strand break ionizing radiation-induced foci

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68081707%3A_____%2F21%3A00555576" target="_blank" >RIV/68081707:_____/21:00555576 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/00216305:26220/21:PU142171 RIV/00216224:14110/21:00123920

Výsledek na webu

<a href="https://www.sciencedirect.com/science/article/pii/S2001037021004840?via%3Dihub" target="_blank" >https://www.sciencedirect.com/science/article/pii/S2001037021004840?via%3Dihub</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1016/j.csbj.2021.11.019" target="_blank" >10.1016/j.csbj.2021.11.019</a>

Jazyk výsledku

angličtina

Název v původním jazyce

DeepFoci: Deep learning-based algorithm for fast automatic analysis of DNA double-strand break ionizing radiation-induced foci

Popis výsledku v původním jazyce

DNA double-strand breaks (DSBs), marked by ionizing radiation-induced (repair) foci (IRIFs), are the most serious DNA lesions and are dangerous to human health. IRIF quantification based on confocal microscopy represents the most sensitive and gold-standard method in radiation biodosimetry and allows research on DSB induction and repair at the molecular and single-cell levels. In this study, we introduce DeepFoci a deep learning-based fully automatic method for IRIF counting and morphometric analysis. DeepFoci is designed to work with 3D multichannel data (trained for 53BP1 and gamma H2AX) and uses U-Net for nucleus segmentation and IRIF detection, together with maximally stable extremal region-based IRIF segmentation.

Název v anglickém jazyce

DeepFoci: Deep learning-based algorithm for fast automatic analysis of DNA double-strand break ionizing radiation-induced foci

Popis výsledku anglicky

DNA double-strand breaks (DSBs), marked by ionizing radiation-induced (repair) foci (IRIFs), are the most serious DNA lesions and are dangerous to human health. IRIF quantification based on confocal microscopy represents the most sensitive and gold-standard method in radiation biodosimetry and allows research on DSB induction and repair at the molecular and single-cell levels. In this study, we introduce DeepFoci a deep learning-based fully automatic method for IRIF counting and morphometric analysis. DeepFoci is designed to work with 3D multichannel data (trained for 53BP1 and gamma H2AX) and uses U-Net for nucleus segmentation and IRIF detection, together with maximally stable extremal region-based IRIF segmentation.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10608 - Biochemistry and molecular biology

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2021

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Computational and Structural Biotechnology Journal

ISSN

2001-0370

e-ISSN

2001-0370

Svazek periodika

19

Číslo periodika v rámci svazku

DEC 2021

Stát vydavatele periodika

SE - Švédské království

Počet stran výsledku

16

Strana od-do

6465-6480

Kód UT WoS článku

000731411300007

EID výsledku v databázi Scopus

2-s2.0-85120749934