相关实验视频
Updated: Mar 15, 2026
03:47
A Murine Model of Carotid Aneurysm Formation
Published on: September 9, 2025
464
一个机器学习管道,用临床前动物模型研究脑动脉瘤中的组织内生长
Fatemeh Afsari1, Ishaq Ansari1,2, Melanie E Martinez3
1Division of Nephrology, Hypertension, and Renal Transplantation-Quantitative Health Section, Department of Medicine, College of Medicine, University of Florida, Gainesville, FL, 32611, USA.
Scientific reports
|March 14, 2026
概括
我们开发了一个人工智能模型,准确地测量脑动脉瘤愈合中的组织内生长. 这个机器学习管道为临床前研究和临床决策提供客观,可重复的评估.
科学领域:
- 生物医学工程 生物医学工程
- 医学成像分析 医学成像分析
- 机器学习在医学中的应用
背景情况:
- 大脑动脉瘤是危险的血管突起,需要有效的治疗.
- 线圈栓塞是一种常见的治疗方法,通常用调解剂增强,以促进愈合.
- 在临床前模型中,量化用于治疗评估的组织内生长,目前是主观的,缺乏标准化.
研究的目的:
- 开发和验证一种机器学习管道,用于在临床前脑动脉瘤模型中客观量化组织内生长.
- 建立一个标准化,可重复的方法来评估内瘤愈合.
- 为研究人员创建一个用户友好的工具来评估治疗疗效.
主要方法:
- 一个Unet++卷积神经网络 (CNN) 用于细分和量化.
- 该模型在64个高分辨率组织学图像上进行了训练和验证,这些图像来自小鼠动脉瘤模型.
- 使用图像预处理 (调整大小,规范化,增大) 和后处理 (值).
主要成果:
- 人工智能模型实现了高准确性,子系数为94.58% (囊细分) 和95.23% (组织内生长).
- 曲线下的面积 (AUC) 值分段和检测分别达到99.24%和96.78%.
- 该模型在盲目评估中与人类专家相比,显示出更高的一致性 (科恩的 κ).
结论:
- 开发的ML管道提供了一种可靠,客观和可重复的方法,用于在临床前动脉瘤模型中评估组织生长.
- 这种人工智能驱动的方法可以标准化治疗评估,促进治疗策略的比较,并为临床决策提供信息.
- 一个用户友好的界面允许非技术用户进行定量分析,加速动脉瘤治疗和愈合机制的研究.
