Este estudio evaluó técnicas de segmentación de células musculares en imágenes de microscopía obtenidas a partir de hidrogeles 3D. Se analizaron imágenes de dos canales de fluorescencia para fibras de actina y vinculina en células expuestas a tratamiento con borato y en condiciones de control, utilizando FIJI y CellPose. Se emplearon métodos de segmentación manual, scripts de automatización y herramientas de aprendizaje automático, incluyendo los plugins Trainable Weka Segmentation (TWS) y Labkit en FIJI, así como los modelos Cyto3 y Tissuenet_cp3 de CellPose. Los resultados revelaron que, aunque CellPose fue útil en la segmentación y separación de núcleos, no resultó efectivo para las imágenes de este estudio. En cambio, los plugins TWS y Labkit demostraron una precisión superior en la segmentación. La segmentación manual destacó por su simplicidad, pero con un alto consumo de tiempo. Este estudio subraya la importancia de seleccionar cuidadosamente la técnica de segmentación de acuerdo a la complejidad de las imágenes y las estructuras a analizar.
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional