AxoNet：一种基于 AI 的视网膜神经节细胞轴突计数工具

目的：本工作中，我们开发一种稳健、可扩展的工具，用于自动且准确地计数来自多种青光眼动物模型的视神经组织图像中的视网膜神经节细胞轴突。方法：采用 U-Net 卷积神经网络架构学习逐像素轴突计数密度估计，随后在图像区域上积分以确定轴突计数。该工具称为 AxoNet，使用包含从完整大鼠视神经横截面随机选取的视神经区域图像的数据集进行训练和评估，这些图像已手动标注轴突计数与位置。使用了对照和受损视神经。该大鼠训练的神经网络随后应用于一个独立的非人灵长类（NHP）视神经图像数据集。然后使用两个数据集将 AxoNet 与两种现有自动轴突计数工具 AxonMaster 和 AxonJ 进行比较。结果：根据平均绝对误差、自动与手动计数回归的 R2 值以及 Bland-Altman 分析判断，AxoNet 在大鼠和 NHP 视神经数据集上均优于现有工具。结论：所提工具可准确量化轴突数量作为青光眼损伤的度量。AxoNet 对视神经组织损伤程、图像质量和哺乳动物物种的变化具有稳健性。意义：该深度学习方法不依赖手工制作的图像特征进行轴突识别。因此，该方法非物种特异性，并可扩展以量化其他视神经特征。它将有助于评估青光眼及潜在其他神经退行性疾病中的视神经变化。