跳到正文
原文
bioRxiv 预印本· Giles, W., Venetianer, Z., Patel, N., Neughebauer, M. B., Abramson, A. M., Granger, A. T., Tustison, N. J., Shi, W. ·· 14 天前AI 评分18

基于2D U-NET深度学习模型实现小鼠动脉粥样硬化病变分割与定量

2D U-NET Deep Learning Architecture for Atherosclerotic Lesion Segmentation and Quantification

AI 导读

研究者开发了基于卷积神经网络的2D U-NET模型,用于定量小鼠主动脉根部油红O染色切片的动脉粥样硬化病变。在510张测试图像中,模型F1分数0.82、Jaccard分数0.72、Recall 0.80、精确率0.87,与人工测量的相关系数达0.98。单张图像测量时间从人工约5分钟缩短至约3.35秒,降幅98.9%。

来源:bioRxiv 预印本 · biorxiv.org