AnNoBrainer,使用深度学习对老鼠大脑图像进行自动注释

科学领域:

• 神经科学数字病理学 数字病理学
• 计算病理学计算病理学
• 图像分析 图像分析

背景情况:

• 手动注释小鼠大脑区域至关重要,但耗时且需要专家知识.
• 目前的手动方法限制了神经科学数字病理实验室的吞吐量.
• 在制药研究中,对高效的图像分析的需求越来越大.

研究的目的:

• 开发一种开源软件工具,用于对小鼠大脑区域进行自动注释.
• 为了提高大脑图像分析的速度,准确性和可重复性.
• 支持数字病理学中的高吞吐量工作流.

主要方法:

• 开发了AnNoBrainer,这是一个开源工具,利用深度学习,图像注册和脑模板.
• 应用AnNoBrainer到2D病理幻灯片从转基因小鼠模型的synucleinopathy.
• 将自动注释结果与经过培训的科学家手动注释结果进行了比较.

主要成果:

• AnNoBrainer实现了与手动注释相比较的准确性.
• 该工具在大脑区域的注释中显示出更高的可重现性.
• 与训练有素的科学家相比,AnNoBrainer 将注释时间减少了大约50%.
• 在超过85%的病例中,自动注释符合专家组织病理学评估标准.

结论:

• AnNoBrainer提供了一种快速,准确和可重复的方法,用于自动化的小鼠大脑图像注释.
• 该软件使数字病理学中的高效,高通量图像分析工作流成为可能.
• AnNoBrainer在很大程度上符合专家标准,促进了神经科学和制药领域的研究.