相关实验视频
Updated: Jul 21, 2026
08:35
Demonstration of the Rat Ischemic Skin Wound Model
Published on: April 1, 2015
21.3K
各种交叉链接的原体支架对大鼠伤口愈合的影响,深度学习CNN模型
Chih-Tsung Chang1, Chun-Hui Huang2
1Department of Electronic Engineering, Lunghwa University of Science and Technology, Guishan, Taoyuan County, Taiwan.
Computer methods in biomechanics and biomedical engineering
|February 15, 2024
概括
这项研究表明,原体支架有效地促进小鼠的伤口愈合. 一个新的深度学习模型准确地评估组织再生,为伤口愈合评估提供了一种新方法.
科学领域:
- 生物材料科学 生物材料科学
- 再生医学是一种再生医学.
- 计算生物学 计算生物学
背景情况:
- 痕组织在原蛋白含量和交叉连接方面与正常组织不同.
- 有效的伤口愈合需要有组织的原基质矩阵形成.
- 开发评估伤口愈合的客观方法至关重要.
研究的目的:
- 在小鼠模型中评估四个原基架用于伤口愈合和再生.
- 开发和验证深度学习模型,用于伤口愈合中的客观组织分类.
- 分析伤口修复期间原体支架的组织形态变化.
主要方法:
- 使用Sprague-Dawley小鼠模型,其中四组接受不同的原支架 (物理/化学交叉连接).
- 使用组织学评分,通过颗粒组织形成,原组织和纤维沉积来评估伤口愈合.
- 开发了一种深度学习的卷积神经网络 (CNN) 模型,采用VGG16和GAP层,结合数据增强和Grad-CAM进行分析.
主要成果:
- 在EDC和HA原体支架组表现出显著增强的组织再生.
- 组织学评分证实了EDC和HA组中的改善的原基质组织和纤维沉积.
- 深度学习模型获得了0.982的曲线下面面积 (AUC) 得分,用于准确的组织分类.
结论:
- 原基架,特别是EDC和HA类型,有效地促进小鼠的伤口愈合和再生.
- 拟议的深度学习图像分析方法为评估伤口愈合提供了一个客观而精确的工具.
- 这项研究提供了一种新的方法来评估伤口修复效率,使用人工智能驱动的图像分析.
