Automatisierte Gelenkraumerkennung verbessert die Genauigkeit der Knochensegmentierung

787 Aufrufe

06:45 Min.

28. November 2025

10.3791/69252-v

28. November 2025

787 Aufrufe

H. Mark Kenney¹^,²^,³ , Daniel Lichau⁴ , Rémi Blanc⁴ , Lindsay Schnur¹ , Richard D. Bell⁵ , Christopher T. Ritchlin¹^,³ , Edward M. Schwarz¹^,²^,³^,⁶^,⁷^,⁸ , Hani A. Awad¹^,⁷^,⁸ , Ronald W. Wood¹^,⁶^,⁹^,¹⁰

¹Center for Musculoskeletal Research, University of Rochester Medical Center, ²Department of Pathology & Laboratory Medicine, University of Rochester Medical Center, ³Department of Medicine, University of Rochester Medical Center, ⁴Thermo Fisher Scientific, ⁵Arthritis and Tissue Degeneration Program, Department of Research, Hospital for Special Surgery, ⁶Department of Urology, University of Rochester Medical Center, ⁷Department of Biomedical Engineering, University of Rochester Medical Center, ⁸Department of Orthopaedics, University of Rochester Medical Center, ⁹Department of Obstetrics and Gynecology, University of Rochester Medical Center, ¹⁰Department of Neuroscience, University of Rochester Medical Center

Die Entwicklung eines automatisierten Workflows zur Erkennung von Gelenkräumen ermöglichte eine Hochdurchsatzsegmentierung der unterschiedlichen Maus-Hinterpfotenknochen mit >98 % Genauigkeit bei Wildtyp-Tieren. Eine flexible Anwendung auf Vorderpfoten und Pfoten mit entzündlich-erosiver Arthritis wurde erreicht, jedoch mit einer veralteten Leistung, die eine weitere Optimierung in zukünftigen Studien mit öffentlich verfügbaren Daten rechtfertigt.

Weitere Videos entdecken

Deep-Learning-Modelle

Mikrocomputertomographie

Watershed-Algorithmus

Strukturverbesserung

U-Net-Architektur

inflammatorische Arthritis

automatisierte Bildanalyse

Chapters in this video

0:00

Introduction

0:37

Applying the Deep Learning-Assisted Bone Segmentation Workflow

2:14

Detailed Workflow Construction and Model Development

3:58

Training the Deep Learning Model

4:58

Results

6:20

Conclusion