开发基于深度学习的组织学评估模型,用于治疗大小关键的老鼠骨缺陷 - - 一个客观的工具

科学领域:

• 生物医学工程 生物医学工程
• 再生医学是一种再生医学.
• 计算病理学计算病理学

背景情况:

• 在老鼠中,关键大小的股骨缺陷是骨再生的标准临床前模型.
• 组织学评估至关重要,但耗时且容易导致观察者变异.
• 机器学习,特别是CNN,为客观组织学分析提供了机会.

研究的目的:

• 开发和验证一个CNN模型,用于骨愈合的自动组织学评估.
• 将AI的表现与人类专家和学生进行比较.

主要方法:

• 一个经过修改的U-Net CNN被训练在Movat五色染色的老鼠大腿缺陷组织学上 (n=669).
• 五个组织类别被注释为语义细分和治愈阶段的分类.
• 人工智能的骨愈合得分与20张独立图像的专家和学生评估进行了比较.

主要成果:

• 在CNN模型中,主要组织类型的分段精度很高.
• 人工智能生成的治疗得分与专家评分有很强的相关性 (斯皮尔曼r=0.819).
• 人工智能在得分方面的表现与医学学生相美,与专家表现出色 (ICC=0.820).

结论:

• 一个基于CNN的模型在组织学骨愈合评估中实现了专家水平的性能.
• 这种人工智能工具为临床前骨再生研究提供了可复制和时间效率高的解决方案.