AI dan Masalah-Masalah Sulit Dunia · Kedokteran & penemuan obat · Nature (computational biology) · 2026-10-21
Segmentasi otomatis zona histologis pada distraksi osteogenesis tikus menggunakan pipeline deep learning yang mengonfigurasi dirinya sendiri
Judul asli: Automatic segmentation of histological zones in rat distraction osteogenesis using a self-configuring deep learning pipeline
Penilaian histologis terhadap komposisi regenerat penting untuk mengevaluasi maturasi jaringan pada distraksi osteogenesis, tetapi delineasi manual kompartemen jaringan membutuhkan banyak tenaga kerja dan rentan terhadap variabilitas antarpengamat. Studi ini mengevaluasi alur kerja deep learning yang secara otomatis menyegmentasi tiga zona histologis pada model distraksi osteogenesis tikus: interzona fibrosa, zona pembentukan mikrokolom, dan zona remodeling. Segmentasi paling andal pada interzona fibrosa (Dice 0.76 pada H&E; 0.75 pada pentachrome) dan paling sulit pada zona remodeling (Dice 0.29; 0.44); evaluasi kuantitatif dan kualitatif gabungan memfavoritkan konfigurasi multi-kelas pentachrome, dan implementasi dalam 3D Slicer membuat pipeline ini praktis untuk penelitian translasional.