深層学習モデルによる共焦点顕微鏡画像からの骨細胞ネットワークのマッピングは、若年および高齢の骨の識別を成功させることができる

科学分野:

• 生物医学工学
• 計算生物学
• 細胞生物学

背景:

• 骨細胞は骨の恒常性維持と力学的感覚に不可欠です。
• 骨細胞の接続性を理解することは、特に老化中に、骨の生理学にとって重要です。
• 現在の骨細胞ネットワークの分析方法は、遅く、労働集約的で、主観的です。

研究 の 目的:

• 骨細胞コネクトミクスの自動セグメンテーションと測定のための深層学習およびコンピュータビジョン技術を開発および評価すること。
• 自動化された方法と従来の С手動セグメンテーションの効率と精度を比較すること。
• AIが年齢に関連する骨の変化や遺伝的修飾を区別する可能性を評価すること。

主な方法:

• 骨細胞ネットワークセグメンテーションのためのU-NetおよびVision Transformerを含む深層学習モデルの適用。
• 骨細胞とそのプロセスを正確にセグメンテーションおよび測定するためのAttention U-Netモデルの利用。
• 自動分析結果と手動測定およびラベリングとの比較。

主要な成果:

• Attention U-Netを使用した自動分析は、手動ラベリングと比較して、骨細胞で81.8％、樹状突起で42.1％の精度を達成しました。
• 分析時間は130時間（手動）から10秒（自動）に短縮されました。
• AIモデルは、若年および高齢のマウスの骨を区別し、遺伝的修飾の効果を捉えるのに十分な精度を示しました。

結論:

• 深層学習とコンピュータビジョンは、骨細胞ネットワーク分析に対して非常に効率的で正確なソリューションを提供します。
• 自動化された方法は、さらなるトレーニングにより人間のレベルの精度を達成する可能性を示しています。
• この技術は、骨細胞ネットワークに関するより迅速で信頼性の高い洞察を可能にすることにより、骨の生理学、老化、および疾患の研究を大幅に進歩させることができます。