Consiglio Nazionale delle Ricerche

Tipo di prodottoArticolo in rivista
TitoloNeuroblastoma cells classification through learning approaches by direct analysis of digital holograms
Anno di pubblicazione2021
Formato-
Autore/iDellipriscoli M.; Memmolo P.; Ciaparrone G.; Bianco V.; Merola F.; Miccio L.; Bardozzo F.; Pirone D.; Mugnano M.; Cimmino F.; Capasso M.; Ferraro P.; Tagliaferri R.
Affiliazioni autoriDISAMIS, Università degli Studi di Salerno, 19028 Fisciano, Italy; Istituto di Scienze Applicate e Sistemi Intelligenti Eduardo Caianiello Consiglio Nazionale delle Ricerche, 96973 Pozzuoli, Campania, Italy; CEINGE Biotecnologie Avanzate scarl, 18311 Napoli, Campania, Italy
Autori CNR e affiliazioni
  • DANIELE PIRONE
  • PIETRO FERRARO
  • LISA MICCIO
  • FRANCESCO MEROLA
  • PASQUALE MEMMOLO
  • MARTINA MUGNANO
  • VITTORIO BIANCO
Lingua/e
  • inglese
AbstractThe label-free single cell analysis by machine and Deep Learning, in combination with digital holography in transmission microscope configuration, is becoming a powerful framework exploited for phenotyping biological samples. Usually, quantitative phase images of cells are retrieved from the reconstructed complex diffraction patterns and used as inputs of a deep neural network. However, the phase retrieval process can be very time consuming and prone to errors. Here we address the classification of cells by using learning strategies with images coming directly from the raw recorded digital holograms, i.e. without any data processing or refocusing involved. Indeed, in the raw digital hologram the entire complex amplitude information of the sample is intrinsically embedded in the form of modulated fringes. We develop a training strategy, based on deep and feature based machine learning models, in order extract such information by skipping the classical reconstruction process for classifying different neuroblastoma cells. We provided an experimental validation by using the proposed strategy to classify two neuroblastoma cell lines.
Lingua abstractinglese
Altro abstract-
Lingua altro abstract-
Pagine da-
Pagine a-
Pagine totali-
RivistaIEEE journal of selected topics in quantum electronics
Attiva dal 1995
Editore: IEEE, - New York, NY
Paese di pubblicazione: Stati Uniti d'America
Lingua: inglese
ISSN: 1077-260X
Titolo chiave: IEEE journal of selected topics in quantum electronics
Titolo proprio: IEEE journal of selected topics in quantum electronics
Titolo abbreviato: IEEE j. sel. top. quantum electron.
Titolo alternativo: Selected topics in quantum electronics
Numero volume della rivista-
Fascicolo della rivista-
DOI10.1109/JSTQE.2021.3059532
Verificato da referee-
Stato della pubblicazionePublished version
Indicizzazione (in banche dati controllate)
  • Scopus (Codice:2-s2.0-85101750773)
Parole chiaveDigital holography, Artificial Intelligence, Microfluidics
Link (URL, URI)http://www.scopus.com/record/display.url?eid=2-s2.0-85101750773&origin=inward
Titolo parallelo-
Licenza-
Scadenza embargo-
Data di accettazione-
Note/Altre informazioni-
Strutture CNR
  • ISASI — Istituto di Scienze Applicate e Sistemi Intelligenti "Eduardo Caianiello"
Moduli/Attività/Sottoprogetti CNR-
Progetti Europei-
Allegati