一种基于Cellpose与荧光图像分析的智能脑卒中细胞状态识别方法及其在药效筛选中的应用

本发明公开了一种基于Cellpose与荧光图像分析的智能脑卒中细胞状态识别方法及其在药效筛选中的应用，包括以下步骤：S1，建立脑卒中缺血再灌注细胞模型；S2，向缺血再灌注处理后的细胞中加入亚硝酸根荧光探针，获取细胞的荧光显微图像；S3，将荧光显微图像导入Cellpose模型进行细胞分割，获取每个细胞的ROI区域；S4，在每个细胞的ROI区域内提取荧光强度特征与细胞形态特征；S5，将提取的多维特征输入至分类模型中进行细胞状态识别，用于将单个细胞判别为健康、轻度损伤或严重损伤三种状态。本发明构建了“图像采集—Cellpose分析—特征提取—状态判别—药效评估”的完整链路，拓展了深度学习图像算法在疾病模型研究与药物筛选场景中的实际应用价值。