Automated Retinal Dysplasia Segmentation in Mouse Optical Coherence Tomography Scans Using a UNet-Based model
Die Autoren entwickelten ein Open-Source, auf UNet basierendes automatisiertes Segmentierungswerkzeug namens „OCTOPUS“, das eine hohe Genauigkeit bei der Erkennung von retinaler Dysplasie in Maus-OCT-Scans erreicht und dadurch das präklinische Screening rationalisiert sowie die Bewertungen über Labore hinweg standardisiert.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen, winzige, verborgene Risse in einem sehr empfindlichen, geschichteten Kuchen zu finden, indem Sie eine spezielle Taschenlampe benutzen, die 3D-Bilder aus dem Inneren macht. Das ist genau das, was Wissenschaftler tun, wenn sie mit einem Werkzeug namens Optische Kohärenztomografie (OCT) die Augen von Mäusen untersuchen. Dies ist der beste Weg, um die Netzhaut zu betrachten, ohne das Tier zu verletzen.
Es gibt jedoch ein großes Problem: Die „Risse“ (die eigentlich Anzeichen einer Krankheit namens Retinale Dysplasie sind) zu finden, ist wie die Suche nach der Nadel im Heuhaufen. Momentan müssen Menschen jedes einzelne Bild von Hand betrachten. Es dauert ewig, es ist anstrengende Arbeit, und zwei verschiedene Experten sind sich unter Umständen sogar uneinig darüber, wo sich die Risse befinden.
Um dies zu beheben, haben die Forscher ein digitales „Roboterauge“ gebaut (ein Computerprogramm, das auf einem neuronalen Netzwerk namens UNet basiert). Denken Sie bei diesem Roboter an einen super-schnellen, unermüdlichen Lehrling, der 205 Beispiele dieser Augen-Scans studiert hat, die alle sorgfältig von menschlichen Experten markiert wurden. Sobald er die Muster gelernt hatte, testeten sie ihn an 40 neuen, bisher ungesehenen Scans. Das Ergebnis? Der Roboter war unglaublich scharfinnig. Er fand die Probleme mit einer Genauigkeit von über 95 % und stimmte fast perfekt mit den Markierungen der menschlichen Experten überein (mit einem Wert von über 0,8 von 1).
Aber sie haben nicht nur beim Gehirn des Roboters aufgehört. Sie haben eine ganze Werkstatt um ihn herum gebaut, die OCTOPUS genannt wird. Sie können sich OCTOPUS als ein Schweizer Taschenmesser für Augenforscher vorstellen. Es kann:
- Einen ganzen Stapel von Fotos auf einmal verarbeiten (wie ein Förderband).
- Die Umrisse der Krankheit automatisch zeichnen (wie ein smarter Textmarker).
- Menschen die Zeichnung anpassen lassen, falls sie kleine Korrekturen vornehmen möchten.
- Genau messen, wie groß das geschädigte Gebiet ist, und verfolgen, wie es sich im Laufe der Zeit verändert, indem es den 3D-Scan in eine flache Karte (ein Fundusbild) verwandelt, um den Schaden klar zu sehen.
- Die Daten in leicht lesbaren Dateien ausgeben (CSV und SVG), damit jeder sie verwenden kann.
Das Hauptziel dieses Open-Source-Tools ist es, alle verschiedenen Labore dazu zu bringen, dieselbe Sprache zu sprechen. Anstatt dass jeder die Augenerkrankungen der Maus auf seine eigene, einzigartige Weise misst, hilft dieses Tool ihnen dabei, alle dasselbe Hochgeschwindigkeits-Werkzeug, ein konsistentes Lineal, zu verwenden, was es viel einfacher macht, Augenerkrankungen bei Mäusen schnell und zuverlässig zu untersuchen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.