用深度神经网络分割心肌Z盘
图像与视频处理
2024-01-25 v1 计算机视觉与模式识别
摘要
Z盘是界定横纹肌中重复肌节的复杂结构。它们在心肌细胞中发挥重要作用，例如为收缩的肌节提供机械稳定性、细胞信号传导和自噬。Z盘结构的变化与心脏功能受损有关。因此，迫切需要创建从显微镜图像中分割Z盘的工具，以克服传统限制，如图像亮度和染色技术的变异性。在本研究中，我们应用基于深度学习的分割模型来提取横纹肌组织图像中的Z盘。我们利用了一个新颖的Airyscan共聚焦数据集，该数据集包含健康心脏组织Z盘的高分辨率图像，这些Z盘用针对特定Z盘蛋白的Affimers染色。我们使用了交互式标注工具Ilastik来获取真实分割掩膜，并使用所得数据集训练和评估了几个最先进的分割网络的性能。在测试集上，UNet++在心肌细胞Z盘分割中取得了最佳性能，平均Dice得分为0.91，优于其他已建立的分割方法，包括UNet、FPN、DeepLabv3+和pix2pix。然而，当在具有肌联蛋白突变的额外心肌细胞数据集上进行测试时，pix2pix表现出更好的泛化能力。这是第一项证明基于自动机器学习的分割方法可有效用于共聚焦显微镜图像中Z盘分割的研究。自动分割方法和预测的分割掩膜可用于推导Z盘的形态特征（例如宽度和方向），进而量化与疾病相关的心脏微结构变化。
引用
@article{arxiv.2401.13472,
title = {Segmenting Cardiac Muscle Z-disks with Deep Neural Networks},
author = {Mihaela Croitor Ibrahim and Nishant Ravikumar and Alistair Curd and Joanna Leng and Oliver Umney and Michelle Peckham},
journal= {arXiv preprint arXiv:2401.13472},
year = {2024}
}