加快神经退行性疾病中的髓缺陷检测:一个人-在-循环深度学习方法与双断层显微镜
Anna Novoseltseva1, Arjun Chandra2, Alexander J Gray1
1Boston University, Department of Biomedical Engineering, Boston, Massachusetts, United States.
Neurophotonics
|November 6, 2025
概括
一种新的深度学习方法显著加快了神经退行性疾病中髓缺陷的检测. 这种方法加速了对髓降解的研究,这对于了解阿尔茨海默病和CTE等疾病至关重要.
科学领域:
- 神经科学是一个神经科学.
- 病理学 病理学 病理学
- 计算生物学 计算生物学
背景情况:
- 髓降解是神经退行性疾病的一个关键病理特征.
- 在显微镜图像中手动检测髓缺陷是耗时的,阻碍了大规模研究.
- 对于检测髓缺陷的有效和准确方法有极大需求.
研究的目的:
- 开发和评估一个以人为本的深度学习方法,以加速髓缺陷检测.
- 为了提高大脑组织中髓缺陷分析的速度和可扩展性.
主要方法:
- 利用RGB圆形交叉极化双断层显微镜,对来自对照组,阿尔茨海默病和慢性创伤性脑病患者的脑组织进行成像.
- 创建了一个由5600个手动注释的髓缺陷组成的数据集.
- 训练了一种基于YOLOv8的深度学习模型,用于检测缺陷的代专家验证.
主要成果:
- 实现了0.85mAP@50.50的平均平均精度.
- 每平方毫米组织的分析时间从8小时缩短到33分钟.
- 对于疾病比较研究的高准确性和处理大型3D体积图像 (高达300GB) 的能力.
结论:
- 开发的深度学习方法有效地简化了髓缺陷检测.
- 这种方法可以扩大研究的规模,研究神经退行性疾病中的髓降解.
- 有助于更快,更全面地评估大脑组织病理.
