AI এবং বিশ্বের কঠিন সমস্যাগুলো · চিকিৎসা ও ওষুধ আবিষ্কার · Nature (computational biology) · 2026-10-21

স্ব-কনফিগারিং ডিপ লার্নিং পাইপলাইন ব্যবহার করে ইঁদুরের ডিস্ট্র্যাকশন অস্টিওজেনেসিসে হিস্টোলজিক্যাল অঞ্চলগুলোর স্বয়ংক্রিয় সেগমেন্টেশন

মূল শিরোনাম: Automatic segmentation of histological zones in rat distraction osteogenesis using a self-configuring deep learning pipeline

ডিস্ট্র্যাকশন অস্টিওজেনেসিসে কলার পরিপক্বতা মূল্যায়নের জন্য রিজেনারেটের গঠনের হিস্টোলজিক মূল্যায়ন অপরিহার্য, কিন্তু কলার বিভাগগুলোর ম্যানুয়াল সীমাঙ্কন শ্রমসাধ্য এবং পর্যবেক্ষকের ভিন্নতার শিকার। গবেষণাটিতে এমন একটি ডিপ লার্নিং ওয়ার্কফ্লো মূল্যায়ন করা হয়েছে যা ইঁদুরের ডিস্ট্র্যাকশন অস্টিওজেনেসিস মডেলে তিনটি হিস্টোলজিক অঞ্চল স্বয়ংক্রিয়ভাবে সেগমেন্ট করে: ফাইব্রাস ইন্টারজোন, মাইক্রোকলাম গঠন অঞ্চল এবং রিমডেলিং অঞ্চল। ফাইব্রাস ইন্টারজোনের ক্ষেত্রে সেগমেন্টেশন সবচেয়ে নির্ভরযোগ্য ছিল (H&E-তে Dice 0.76; পেন্টাক্রোমে 0.75) এবং রিমডেলিং অঞ্চলের ক্ষেত্রে সবচেয়ে কঠিন ছিল (Dice 0.29; 0.44); পরিমাণগত ও গুণগত মূল্যায়নের সমন্বিত ফলাফল পেন্টাক্রোম মাল্টি-ক্লাস কনফিগারেশনের পক্ষে যায়, এবং 3D Slicer-এ বাস্তবায়ন ট্রান্সলেশনাল গবেষণার জন্য পাইপলাইনটিকে ব্যবহারিক করে তোলে।

মূল লেখা পড়ুন ↗

সব আইটেম →