基于深度学习的血管提取3D共聚焦显微镜图像中清除的人类质瘤组织
Xiaodu Yang1,2,3, Dian He4,5, Yu Li1,2,3
1School of Biomedical Engineering, Southern Medical University, Guangzhou, China.
Biomedical optics express
|April 18, 2024
概括
这项研究介绍了FineVess,这是一个深度学习框架,用于从清除的组织中精确地3D提取复杂的质瘤瘤血管. FineVess的性能优于现有方法,使血管形态和质瘤异质性的详细分析成为可能.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 计算生物学 计算生物学
背景情况:
- 精确的3D可视化和质瘤血管系的提取对于理解质瘤生物学至关重要.
- 现有的血管提取方法在清除人体组织中的瘤血管结构的复杂性和不规则性中扎.
- 组织清除技术提供了高分辨率的三维成像,用于质瘤血管系统.
研究的目的:
- 开发一个自动化的深度学习框架 (FineVess) 来精确地从3D共聚焦显微镜图像中提取质瘤血管.
- 为了改善复杂,中断和不规则的瘤血管的细分.
- 为了能够对血管形态特征和质瘤异质性的定量分析.
主要方法:
- 开发了一个深度学习框架,FineVess,利用定制的3D ResCBAM nnU-Net进行船舶细分.
- 实现了新的预处理和后处理管道,以自动改进细分结果.
- 将框架应用于已清除的人类质瘤组织的共聚焦显微镜图像.
主要成果:
- FineVess精确地从具有挑战性的3D图像中提取了可变和不完整的容器,超过了传统和最先进的方法.
- 该框架在现实条件下在细分复杂瘤血管系统方面表现出高准确性.
- 提取的血管的定量分析揭示了血管形态特征 (例如,碎形尺寸,壁完整性) 并证实了不同级别的质瘤中的血管异质性.
结论:
- FineVess提供了一种强大而准确的解决方案,用于从3D清除组织图像中自动提取质瘤血管.
- 该框架促进了瘤血管化的详细定量分析,有助于理解质瘤进展和异质性.
- 这种方法通过改善其复杂的血管网络的表征来增强对质瘤生物学的研究.
