使用机器学习 (人工智能) 算法重建3D组织结构
J Báskay1, M Kivovics2, D Pénzes2
1Department of Biological Physics, Eötvös Loránd University, Pázmány Péter Sétány 1/a, 1117, Budapest, Hungary.
Pathologie (Heidelberg, Germany)
|November 21, 2024
概括
这项研究介绍了一种新的3D骨微架构重建方法,从2D组织学部分进行,实现高精度和与microCT参数的强相关性. 这种技术为骨分析提供了更高的分辨率,但具有破坏性.
科学领域:
- 生物医学工程 生物医学工程
- 材料科学 材料科学 材料科学
- 整形外科 整形外科 整形外科
背景情况:
- 组织形态测量,骨微型架构的黄金标准,使用2D截面,并假定一个板状3D结构,失去空间信息.
- 经典的组织学处理具有破坏性,限制了骨髓活检的3D结构分析.
研究的目的:
- 开发和验证一种方法,用于从二维组织学截面中重建骨髓活检样本的3D结构.
- 在骨分析中克服传统的组织形态测量和微计算机断层扫描 (microCT) 的局限性.
主要方法:
- 骨髓活检样本被脱,嵌入在石中,并连续切割 (5微米).
- 部分被染色,扫描和分析,使用修改的U-Net架构进行组织分类和LoFTR进行3D重建.
- 使用CTAn软件计算和比较组织学重建和微CT数据集之间的微形态参数.
主要成果:
- 重建方法实现了95.26%的准确性和0.9320.20的F-分数.
- 从组织学重建和微CT中得出的参数之间观察到强烈的线性关系 (斯皮尔曼的 ρ > 0.66).
- 布兰德-阿尔特曼和山地地块证实了骨体积/组织体积 (BV/TV) 测量的良好一致性.
结论:
- 开发的方法允许高分辨率的骨微架构3D检查,在分辨率上超越微CT并保留细胞性信息.
- 主要的限制是该过程的破坏性,排除了随后的机械测试或二次测量.
- 从单个样本中获得的组织学切片数量也是一种约束.
