使用基于深度学习的细分来实现动物模型中膝关节骨关节炎 (SEKO) 的空间评估
Jacob L Griffith1, Justin Joseph2, Andrew Jensen3
1J. Crayton Pruitt Family Department of Biomedical Engineering, University of Florida, Gainesville, FL, USA; Pain Research & Intervention Center of Excellence (PRICE), University of Florida, Gainesville, FL, USA.
Osteoarthritis and cartilage
|March 26, 2025
概括
一个新的深度学习工具SEKO量化和可视化了动物模型中的膝关节骨关节炎 (OA) 关节重塑. 这种方法可以准确地检测软骨损失和骨变化,有助于OA研究.
科学领域:
- 生物医学工程 生物医学工程
- 计算生物学 计算生物学
- 整形外科 整形外科 整形外科
背景情况:
- 组织学对于评估骨关节炎 (OA) 临床前模型中的关节重塑至关重要.
- 目前的组织学分析可能是劳动密集型和主观的.
研究的目的:
- 引入深度学习驱动的组织学分析管道,用于膝关节骨关节炎 (SEKO) 的空间评估.
- 量化和可视化动物膝关节中部部位的关节重塑.
主要方法:
- 开发了 SEKO 管道,并配备了细分和可视化工具.
- 使用卷积神经网络架构 (HRNet,U-Net) 进行区域识别.
- 计算了形态测量和取决于位置的测量,生成了概率热图.
主要成果:
- 选择了U-NET架构,以获得更高的预测准确度.
- 识别了与手动细分相比的软骨损失.
- 检测到下骨区域的变化和位置依赖的骨重塑.
- 通过热图可视化软骨稀疏和骨重塑的空间变化.
结论:
- SEKO使OA进展和治疗干预措施的客观比较成为可能.
- 提供了膝关节组织学中的空间和形态变化的可视化.
- 提供了一个开源工具,以推进协作开源研究.
