用于帕金森病中多巴胺神经元分割与量化的自监督学习
计算机视觉与模式识别
2023-10-16 v2 机器学习
摘要
帕金森病（PD）是人类第二常见的神经退行性疾病。PD 的特征是黑质（SN）中多巴胺能神经元逐渐丧失。计数 SN 中多巴胺能神经元的数量是评估 PD 动物模型中药效的最重要指标之一。目前，对多巴胺能神经元的分析与量化由专家通过数字病理图像分析手动完成，这一过程费力、耗时且高度主观。因此，亟需一种可靠且无偏的自动化系统用于数字病理图像中多巴胺能神经元的量化。近年来，医学图像处理中采用深度学习方案的势头激增。然而，开发高性能深度学习模型取决于大规模高质量标注数据的可用性，此类数据获取成本高昂，尤其在数字病理图像分析等应用中。为此，我们提出了一种基于自监督学习的端到端深度学习框架，用于 PD 动物模型中多巴胺能神经元的分割与量化。据我们所知，这是首个检测多巴胺能神经元胞体、计数多巴胺能神经元数量、并以数值输出提供单个多巴胺能神经元特征的深度学习模型。大量实验证明了我们的模型在高精度量化神经元方面的有效性，其可为药效研究提供更短周期、增进对多巴胺能神经元健康状态的理解，并在 PD 临床前研究中给出无偏结果。作为贡献的一部分，我们还提供了首个公开可用的组织学数字图像数据集及专家标注，用于 TH 阳性 DA 神经元胞体的分割。
引用
@article{arxiv.2301.08141,
title = {Self-supervised Learning for Segmentation and Quantification of Dopamine Neurons in Parkinson's Disease},
author = {Fatemeh Haghighi and Soumitra Ghosh and Hai Ngu and Sarah Chu and Han Lin and Mohsen Hejrati and Baris Bingol and Somaye Hashemifar},
journal= {arXiv preprint arXiv:2301.08141},
year = {2023}
}