Проверка автоматизированного рабочего процесса сегментации органов микро-КТ на основе искусственного интеллекта на основе экспертных аннотаций и его влияние на количественную оценку флуоресценции.

Сердце, легкие, печень, почки (мыши). Сегментация была проведена для этих органов. Отмечено, что точность сегментации различается для разных органов, с более низкими показателями для сердца и легких.

Высокая. Используется коммерчески доступный инструмент глубокого обучения. Обеспечивает полную воспроизводимость (повторные сегментации дают идентичные результаты) и значительно сокращает время обработки (с 30 минут до секунд на мышь). Технология готова для масштабирования и интеграции в доклинические рабочие процессы.

Автоматическая AI-сегментация органов воспроизводима и значительно ускоряет анализ, являясь эффективной альтернативой ручной аннотации. Однако ее валидацию следует проводить не только по геометрической точности, но и по влиянию на последующие количественные анализы (например, флуоресцентная томография). Геометрические метрики сегментации не являются надежным предиктором для результатов количественных измерений. Использование итеративной реконструкции КТ-данных улучшает согласие флуоресцентных измерений, полученных с помощью AI, с экспертными данными. Необходим сдвиг парадигмы оценки AI-сегментации от метрик точности к валидации, ориентированной на конкретные задачи и отражающей реальные применения.

Источник: https://pubmed.ncbi.nlm.nih.gov/42213317/