bioRxiv · Bioinformatics· Giles, W., Venetianer, Z., Patel, N., Neughebauer, M. B., Abramson, A. M., Granger, A. T., Tustison, N. J., Shi, W. ·· 1 天前AI 评分30
2D U-NET 深度学习架构用于小鼠动脉粥样硬化病灶分割与定量
2D U-NET Deep Learning Architecture for Atherosclerotic Lesion Segmentation and Quantification
AI 导读
研究团队开发基于卷积神经网络的 2D U-NET 模型，用于小鼠主动脉根部 Oil Red O 染色切片的动脉粥样硬化病灶分割与定量。模型以 2553 张人工分割图像训练、验证和测试，测试集 F1 为 0.82、Jaccard 为 0.72、相关系数为 0.98。模型测量每张图像约 3.35 秒，较人工测量耗时缩短 98.9%。
来源：bioRxiv · Bioinformatics · biorxiv.org