AI और दुनिया की कठिन समस्याएँ · चिकित्सा और दवा खोज · Nature (computational biology) · 2026-10-21

सेल्फ़-कॉन्फ़िगरिंग डीप लर्निंग पाइपलाइन का उपयोग करके चूहे के डिस्ट्रैक्शन ऑस्टियोजेनेसिस में हिस्टोलॉजिकल क्षेत्रों का स्वचालित सेगमेंटेशन

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

डिस्ट्रैक्शन ऑस्टियोजेनेसिस में ऊतक परिपक्वता के मूल्यांकन के लिए रीजेनरेट संघटन का हिस्टोलॉजिक आकलन अनिवार्य है, लेकिन ऊतक कंपार्टमेंटों का मैनुअल डिलिनिएशन श्रमसाध्य होता है और पर्यवेक्षक विविधता के अधीन रहता है। अध्ययन ने एक डीप लर्निंग वर्कफ़्लो का मूल्यांकन किया, जो चूहे के डिस्ट्रैक्शन ऑस्टियोजेनेसिस मॉडल में तीन हिस्टोलॉजिक क्षेत्रों का स्वचालित सेगमेंटेशन करता है: फ़ाइब्रस इंटरज़ोन, माइक्रोकॉलम निर्माण क्षेत्र और रीमॉडेलिंग क्षेत्र। सेगमेंटेशन फ़ाइब्रस इंटरज़ोन के लिए सबसे विश्वसनीय था (H&E में Dice 0.76; पेंटाक्रोम में 0.75) और रीमॉडेलिंग क्षेत्र के लिए सबसे कठिन (Dice 0.29; 0.44); संयुक्त मात्रात्मक और गुणात्मक मूल्यांकन ने पेंटाक्रोम मल्टी-क्लास कॉन्फ़िगरेशन को बेहतर माना, और 3D Slicer में कार्यान्वयन पाइपलाइन को ट्रांसलेशनल अनुसंधान के लिए व्यावहारिक बनाता है।

मूल लेख पढ़ें ↗

सभी आइटम →