人类微观迷走神经解剖学使用3D-MUSE图像上的深度学习
Naomi Joseph1, Chaitanya Kolluru1, 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
研究人员开发了3D-MUSE显微镜和深度学习来绘制人类迷走神经 (VN) 解剖学图,用于神经调节疗法. 一个2D U-Net模型从详细的图像中实现了高精度的细分神经结构.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 生物医学工程 生物医学工程
背景情况:
- 目前的成像技术,如微型CT和MRI缺乏分辨率来详细描述人类的迷走神经 (VN) 束和边界.
- 准确的VN解剖图绘制对于开发有效的神经调节疗法至关重要.
研究的目的:
- 开发一种高分辨率成像方法,用于详细的VN解剖分析.
- 为计算建模创建第一个全面的 VN 连接组.
- 使用深度学习自动化VN结构的细分.
主要方法:
- 开发了具有紫外线表面刺激的3D串行块面显微镜 (3D-MUSE) 用于高分辨率的VN成像 (0.9μm在平面上,3μm厚度).
- 训练了多个深度学习模型 (2D U-Net,注意力 U-Net,视觉转换器) 用于自动细分VN囊,经和经.
- 利用伪3D图像生成和自我监督学习进行模型训练.
主要成果:
- 3D-MUSE成功捕获了VN解剖学的细节,包括髓质纤维和连接.
- 在伪3D图像上训练的2D U-Net模型实现了最高的细分精度 (子分数为0.936).
- 开发的模型显示了自动细分和神经纤维通道图估计的前景.
结论:
- 3D-MUSE为人类迷走神经成像提供了前所未有的分辨率.
- 深度学习模型,特别是带有伪3D数据的2D U-Net,有效地自动化了VN结构细分.
- 这项工作为详细的VN连接组奠定了基础,以推进神经调节疗法建模.
