Deep Learning für automatische Axon-Segmentierung in Bielschowsky-Silberfärbung
Von KI ausgewählt und zusammengefasst
Worum es geht
Attention U-Net mit Focal-Tversky-Loss für automatisierte Axon-Quantifizierung in histologischen MS-Gehirnproben, trainiert auf 33 manuell annotierte Bildkacheln (25 Mio. Pixel) aus 26 Präparaten.
Ergebnis
Auf Test-Set (8 nicht gesehene Kacheln): F1/Dice 0,717, IoU 0,584; Mensch-zu-Mensch F1 0,637-0,671, Modell-zu-Mensch F1 0,681-0,736 (Modell erreichte oder übertraf menschliche Decke); reduzierte manuelle Aufwand erheblich.
Übertragbarkeit auf Deutschland
Schweiz (Basel), Multiple-Sklerose-Neuropathologie, Histopathologie-Anwendung.
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.