全球研究人员使用Matlab®和仿真软万博1manbetx件®用于合成遗传、图像、时间序列、显微镜和其他数据，用于生命科学的任务和应用。请参阅他们工作的六个示例，并学习如何将相同的工具和技术应用到您自己的项目中。
脊髓灰质炎病毒粒子。
脊髓灰质炎的爆发仍然是非洲和中亚的常见。强大的疫苗接种计划均促进畜群免疫力，并使脊髓灰质病毒株可以被追踪和分类。CDC的一个团体与Mathworks顾问合作，创建了一个标签和跟踪脊髓灰质炎的工具。该工具适用于系统发育和制图数据分析的组合，使研究人员能够研究任何脊髓灰质炎任何菌株的演变。通过将这种方法与空间传播分析相结合，他们可以监控脊髓灰质炎蔓延和计划免疫活动。
了解更多
在药物安全性检测中，基于高通量成像流式细胞术的基因毒性分析是一个繁琐和限速的步骤。目前的方法通常需要专家来识别单个图像中的细胞损伤。这种方法是缓慢的，临床医生经常不同意他们的评估。Eulenberg等最近展示了DeepFlow如何显著加速这一过程。DeepFlow是一个深度神经网络，专为流式细胞术分析而优化，并在数千张手工标记的图像上进行训练，自动对细胞损伤进行分级。
单核细胞和牛核细胞。左：亮野图像;右：核荧光图像。
了解更多
扫描电子显微镜图像显示SARS-CoV-2病毒(黄色)从实验室培养的细胞(粉色)表面出现。(图片来源:NIAID-RML)
许多药物在早期测试中失败。显示承诺的一个解决方案是已经证明的药物对人类使用安全。为了识别候选药物，一些研究人员正在探索网络分析。例如，克利夫兰诊所的一组用于互动网络分析以探索可重复的药物和药物组合来靶向SARS-COV-2。它们使用系统发育分析来确定SARS-COV-2与SARS-COV最密切相关，识别该过程中的可靶序列。然后，它们将互动数据掺入该网络接近分析，以提出候选药物和药物组合以进行可能的治疗方法。
了解更多
几十年来，放射疗法一直是癌症治疗的主要原因。治疗计划对成功的临床结果至关重要。治疗规划的大多数商业套餐是专有的和闭合来源，但是限制了他们开发先进治疗计划技术的价值。德国癌症研究中心与LMU Munich之间的合作创建了Matrad，这是一个可用于模拟各种梁几何形状，模态和能量的开源工具包。Matrad还可以包含临床限制和目标，使临床医生能够优化辐射剂量的强度和分布。
matRad 2.10.0界面，具有工作流、计划、优化和可视化控件。
了解更多
肿瘤的热图的形象。
手动评估病理学可以缓慢且昂贵 - 完整的病理幻灯片图像的注释可能需要几个小时。此外，病理学家有时不同意特定图像如何归类。深入学习已应用于数字病理学，以加速诊断并删除人为错误。哈特等发表了一篇论文，详细介绍了深度学习在10亿像素组织学图像上的使用，以准确预测微卫星不稳定性，这是胃肠道癌症预后预测的关键指标。该小组使用resnet18进行迁移学习，并根据来自癌症基因组图谱数据库的胃肠道图像对网络进行训练。
了解更多
要获得监管批准，医疗设备和软件必须是强大的，并且必须为每个版本更新测试和记录。MedViso获得了用于临床用途的定量心脏图像分析软件的FDA批准。软件段CMR，使用完整的心动周期的时域X射线CT图像来计算诸如心肌质量和喷射部分的健康度量。该包包括回归测试，并自动生成监管合规所需的报告和文档。
基于MR图像的人左心室三维几何重建。
