基于深度学习的自动测量鼠类骨长度在X射线图中

科学领域:

• 遗传学 遗传学 是一个
• 生物信息学是一种生物信息学.
• 医疗成像医学成像

背景情况:

• 遗传小鼠模型对于研究人类骨疾病至关重要.
• 对于骨表型的手动放射分析是耗时且容易出现错误的.

研究的目的:

• 开发一种自动化的深度学习模型,用于精确和可重复测量从放射图片的小鼠骨长度.
• 为了简化在小鼠模型中的骨异常的识别.

主要方法:

• 开发了一个使用Keypoint R-CNN与EfficientNet-B3骨干的深度学习管道.
• 该模型在94张注释的X射线图像上进行了训练,并在592张图像和21,300张图像的更大数据集上进行了验证.

主要成果:

• 该模型在骨和大腿骨长度测量方面实现了与人类可比的准确性 (R2 > 0.92).
• 它在精确度和骨盆长度测量一致性方面显著优于人类.
• 自动测量改善了骨表型的遗传关联映射.

结论:

• 使用深度学习自动测量小鼠骨长度是可行的和高效的.
• 这项技术可以加速发现和表征小鼠模型的骨疾病.
• 该模型提高了在遗传研究中表型的精度和一致性.