基于神经网络图像分析的种植体表面微生物-宿主细胞共定位研究：Cellpose模型在牙科感染防控中的创新应用

本研究针对牙科种植体相关感染中微生物-宿主细胞互作机制不清的难题，开发了基于Cellpose神经网络的双模型分析流程。研究人员通过3D种植体-组织-口腔生物膜共培养模型(INTERbACT)和原位样本，首次实现了荧光染色共定位微生物与人类细胞的自动分割，准确量化钛表面微生物覆盖率(CP_I模型精度0.68，CP_M模型0.74)。该工作为种植体感染机制研究提供了突破性分析工具，发表于《Scientific Reports》。

　　

牙科种植体感染是导致种植失败的主要原因，其核心在于微生物与宿主细胞在钛表面的复杂互作。传统荧光染色技术因染料非特异性结合DNA的特性，使得共定位微生物与人类细胞的区分成为重大挑战。更棘手的是，CLSM(共聚焦激光扫描显微镜)图像中存在钛表面蛋白非特异性结合、z轴信号不均等干扰，传统图像处理方法难以准确量化微生物定植情况。

德国汉诺威莱布尼茨大学联合汉诺威医学院的研究团队创新性地将Cellpose神经网络应用于该领域。他们建立的双模型工作流程：CP_I模型专攻单个/链状细菌识别(训练3000轮)，CP_M模型针对微菌落分割，结合阈值法形成三级分析策略。研究使用INTER_bACT模型(含牙龈成纤维细胞/角质细胞/4种口腔菌的多物种共培养系统)和10名志愿者佩戴的个性化夹板原位样本，通过CLSM获取图像，经平场校正和对比度增强预处理后分析。

关键方法包括：1) 3D共培养模型构建：将胶原包埋的HGFs(人牙龈成纤维细胞)与钛盘共培养，叠加OKF6/TERT-2口腔角质细胞形成气液界面；2) 多物种生物膜培养：含S. oralis、A. naeslundii等菌种的BHI培养基厌氧培养；3) 双通道CLSM成像：SYTO9/PI(碘化丙啶)荧光染色，488/552 nm激发；4) Cellpose模型训练：采用SGD优化器，学习率0.1，批量8；5) 三级分析流程：阈值法(全生物膜覆盖)、背景扣除法(含少量干扰)、双模型联用法(复杂背景)。

研究结果揭示：

1. 体外模型分析：CP_I模型在INTER_bACT测试集达0.68准确度，显著优于预训练模型bact_fluor_cp3(0.15)。钛盘顶部微生物覆盖率(3.47±3.92%)显著高于侧面(0.05±0.08%)，证实细菌从生物膜组件向黏膜组件的迁移趋势。

b

bACT模型图像分割对比。(a)钛盘顶部样本的真实标记与CP_I预测；(b)模型训练过程中测试集准确度变化'>

1. 原位生物膜动态：双模型联用使人工修正时间减少70.13%。志愿者数据显示，第2天表面覆盖率为27.81±27.84%，第6天达71.88±15.25%，与Azzola等报道的临床数据高度吻合。个体差异早期显著(第2天标准差达27.84)，后期趋同。

1. 跨数据集验证：CP_I模型在胰腺干细胞数据集(0.75)和EMPS电镜数据集(AP@0.5 IoU达0.84)展现良好泛化性，证实其对孤立细胞的识别优势。

讨论部分指出，该工作突破性地解决了三大难题：1) 非特异性荧光信号的解析；2) 微生物-宿主细胞重叠区域的区分；3) 钛表面异质背景的克服。虽然当前模型在复杂聚集体分割(AP@0.75 IoU仅0.65)和人工校正一致性(研究者间差异达0.25)方面仍有提升空间，但已为种植体表面微生物动力学研究建立新标准。未来通过优化CLSM层选择策略、增加高质量训练图像，有望实现完全自动化分析。这项技术不仅适用于牙科感染研究，还可拓展至其他医学植入物相关生物膜分析领域。