AI 與世界的難題 · 醫學與藥物探索 · Nature (computational biology) · 2026-10-21
利用自我配置的深度學習管線，自動分割大鼠牽引骨生成中的組織學區域
原標題: Automatic segmentation of histological zones in rat distraction osteogenesis using a self-configuring deep learning pipeline
對再生組織組成進行組織學評估，對於評估牽引骨生成中的組織成熟至關重要，但手動描繪組織區室不僅耗費人力，且易受觀察者變異影響。本研究評估了一套深度學習工作流程，可自動分割大鼠牽引骨生成模型中的三個組織學區域：纖維中間區、微柱形成區與重塑區。分割在纖維中間區最為可靠 (H&E 下 Dice 為 0.76; 五色染色為 0.75)，在重塑區則最為困難 (Dice 0.29; 0.44)；結合定量與定性評估的結果較偏好五色染色多類別配置，且由於可在 3D Slicer 中實作，此管線對轉譯研究而言切實可行。