CLASSIFICATION WORKFLOW FOR FLEXIBLE IMAGE BASED PARTICLE SORTING

An image-based classification workflow uses unsupervised clustering to help a user identify subpopulations of interest for sorting. Labeled cell images are used to fine-tune the supervised classification network for a specific experiment. The workflow allows the user to select the populations to sort in the same manner for a variety of applications. The supervised classification network is very fast, allowing it to make real-time sort decisions as the cell travels through a device. The workflow is more automated and has fewer user steps, which improves the ease of use. The workflow uses machine learning to avoid human error and bias from manual gating. The workflow does not require the user to be an expert in image processing, thus increasing the ease of use. Un flux de travail de classification basé sur des images utilise un groupement non supervisé pour aider un utilisateur à identifier des sous-populations d'intérêt à trier. Des images de cellules marquées sont utilisées pour affiner le réseau de classification supervisé pour une expérience spécifique. Le flux de travail permet à l'utilisateur de sélectionner les populations à trier de la même manière pour une variété d'applications. Le réseau de classification supervisé est très rapide, lui permettant de prendre des décisions de tri en temps réel lorsque la cellule se déplace à travers un dispositif. Le flux de travail est plus automatisé et présente moins d'étapes d'utilisateur, ce qui améliore la facilité d'utilisation. Le flux de travail utilise un apprentissage automatique pour éviter une erreur humaine et un biais qu'une synchronisation manuelle peut occasionner. Le flux de travail ne nécessite pas que l'utilisateur soit un expert en traitement d'image, ce qui augmente la facilité d'utilisation.