通过2.5D UNetet对IPF小鼠肺纤维化的细分和计算

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 肺部研究 肺部研究

背景情况:

• 异形性肺纤维化 (IPF) 对患者的生存构成重大威胁,治疗选择有限.
• 对IPF机制和治疗策略的加速研究至关重要.
• 准确,非侵入性肺组织细分和纤维化量化对于药物开发和疗效评估至关重要.

研究的目的:

• 开发和验证一种自动化的方法来细分小鼠肺组织.
• 建立纤维化评分系统,以评估肺纤维化严重程度.
• 评估 2.5D UNet 模型对于这些任务的有用性.

主要方法:

• 在59只小鼠中使用2.5D UNet模型进行肺组织细分.
• 该模型经过了训练,验证和测试,并进行了六次交叉验证.
• 纤维化得分是从细分图像计算出来的,以评估纤维化程度.

主要成果:

• 2.5D UNet在肺组织细分方面取得了高性能,平均Dice得分为0.938.
• 精度 (0.941) 和回忆 (0.936) 进一步证实了模型的准确性.
• 计算的纤维化得分有效地反映了各种实验条件之间的差异.

结论:

• 2.5D UNet 模型在对小鼠肺组织进行细分方面表现出有效性.
• 这种方法为评估纤维化得分提供了一种可靠的方法.
• 这项研究为肺纤维化高级研究奠定了基础.