AI与世界难题 · 医学与药物研发 · Nature (computational biology) · 2026-10-21
使用自配置深度学习流程对大鼠牵张成骨组织学区域进行自动分割
原标题: Automatic segmentation of histological zones in rat distraction osteogenesis using a self-configuring deep learning pipeline
再生组织成分的组织学评估对于评价牵张成骨中的组织成熟至关重要，但人工描绘组织隔室费时费力且易受观察者间差异的影响。本研究评估了一种深度学习流程，该流程可自动分割大鼠牵张成骨模型中的三个组织学区域：纤维联合带、微柱形成带和改建带。纤维联合带的分割最为可靠（H&E 染色下 Dice 为 0.76；五色染色下为 0.75），改建带的分割最为困难（Dice 为 0.29；0.44）；定量与定性相结合的评估更支持五色染色多类别配置，而其在 3D Slicer 中的实现使该流程适用于转化研究。