使用3D-MUSE成像技术对人类迷走神经进行少数镜头细分和纤维通道学
Naomi Joseph1, Ian Marshall1, James Seckler1
1Department of Biomedical Engineering, Case Western Reserve University, Cleveland, OH 44106.
Proceedings of SPIE--the International Society for Optical Engineering
|September 15, 2025
概括
研究人员使用3D-MUSE成像和少数镜头学习来分析人类迷走神经的微解剖学. 基于样本的AI训练成功地对神经结构进行了细分,从而实现了详细的形态分析和通道图.
科学领域:
- 神经科学是一个神经科学.
- 生物医学成像技术 生物医学成像技术
- 计算生物学 计算生物学
背景情况:
- 了解人类神经微解剖学对于诊断和治疗神经系统疾病至关重要.
- 需要先进的成像技术来在3D中可视化复杂的神经结构.
研究的目的:
- 使用3D-MUSE对人类迷走神经的形态学和微解剖学进行成像和量化.
- 开发和验证以样本为基础的神经细分的少数射击学习方法.
主要方法:
- 人类尸体的神经 (阴道和中枢) 使用3D连续块面显微镜与紫外线表面刺激 (3D-MUSE) 进行成像.
- 在4-8%的样本图像上使用少数拍摄的学习训练了2D U-Net架构,用于细分囊,经和经.
- 形态指标和神经纤维通道图是从细分预测中计算出来的.
主要成果:
- 3D-MUSE提供了神经微解剖学的高分辨率3D可视化.
- 基于样本的少量学习实现了高细分性能 (子分数0.85-0.93),尽管染色变化.
- 预训练改善了分裂的细分,计算的指标显示了动态组织.
结论:
- 基于样本的训练对于从3D-MUSE数据中对神经结构进行细分和分析是有效的.
- 这种方法可以进行详细的形态分析和神经纤维通道图,提供对神经组织的洞察.
- 预计进一步的培训将提高细分精度和分析能力.
更多相关视频
16:23Fiber Connections of the Supplementary Motor Area Revisited: Methodology of Fiber Dissection, DTI, and Three Dimensional Documentation
Published on: May 23, 2017
11.7K
10:27In Vivo Morphometric Analysis of Human Cranial Nerves Using Magnetic Resonance Imaging in Menière's Disease Ears and Normal Hearing Ears
Published on: February 21, 2018
11.0K
