マイクロCTスキャンにおける骨のセグメンテーションのための深層学習ソフトウェアと改訂された2Dモデル

科学分野:

• 生物医学イメージング
• 計算生物学
• 機械学習

背景:

• 深層学習（DL）は、マイクロCTにおける骨セグメンテーションの一般化において、多様なデータセット間で苦労しています。
• 既存のDLモデルは、データリーク、高いメモリ使用量、および限定的なマルチGPUサポートといった課題に直面しています。

研究 の 目的:

• マイクロCT骨分析の改善のための改訂された2D Bone-PoresセグメンテーションモデルであるBP-2D-03を提示すること。
• 大規模で多様なデータセットの管理のためのBONe DLソフトウェアインターフェイス（BONe DLFit、BONe DLPred、BONe IoU）を導入すること。
• モデルの堅牢性、異なるアーキテクチャ間でのパフォーマンス、およびクロスプラットフォームの再現性を評価すること。

主な方法:

• 5つの哺乳類種（142,960画像パッチ）の20のマイクロCTスキャンのデータセットでBP-2D-03をトレーニングしました。
• トレーニング、予測、および評価のためのモジュールを備えたDLソフトウェアインターフェイスを利用しました。
• 5倍クロスバリデーション、アーキテクチャ/パッチサイズに関するベンチマーキング実験、およびクロスプラットフォームの一貫性テストを実施しました。

主要な成果:

• BP-2D-03は、シード間で安定した高い平均Intersection-over-Union（IoU）を示し、異常スキャンではいくつかのばらつきが見られました。
• U-NetおよびUNet++アーキテクチャは、単純な畳み込みバックボーンでIoU値が0.97に迫りました。
• セグメンテーション結果は、異なるハードウェア、オペレーティングシステム、およびソフトウェア実装間で一貫していました。

結論:

• BONe DLソフトウェアは、マイクロCTデータの骨セグメンテーションのための堅牢なベースラインを提供します。
• 開発されたツールは、DLモデルのトレーニングと展開における以前の制限に対処します。
• モデルとソフトウェアは、多様なアプリケーション全体で、再現性があり信頼性の高い自動骨セグメンテーションを保証します。