GLAM: Glomeruli Segmentation for Human Pathological Lesions using Adapted Mouse Model

要約

前臨床研究における動物モデルから人間の応用への移動には、医学の幅広い分野が含まれます。
新薬、治療、診断方法の開発、および疾患プロセスの理解を深めることにおける基本的な要素は、腎臓組織の正確な測定です。
過去の研究では、マウスモデルからヒト用途に糸球体セグメンテーション技術を翻訳する実行可能性が実証されています。
しかし、これらの調査は、異なる病変の影響を受ける病理学的糸球体のセグメント化に関与する複雑さを無視する傾向があります。
このような病変は、臨床診療における通常の糸球体よりも間違いなく価値がある健康な糸球体組織と比較して、より広い範囲の形態学的変動を提示します。
さらに、動物モデルからの病変に関するデータは、疾患モデルや腎生検全体からより容易に拡大することができます。
これは、「マウスモデルで訓練された病理学的セグメンテーションモデルをヒト患者に効果的に適用できますか？}」という質問が表示されます。
マウスサンプルを活用することにより、ゼロショット転送学習とハイブリッド学習を使用してヒトの病変病変をセグメント化するためのさまざまな学習戦略を評価することにより、マウスモデルを使用してマウスモデルを使用し、マウスからヒューマンへの転送学習に対処します。
結果から、ハイブリッド学習モデルは優れたパフォーマンスを達成しました。

要約(オリジナル)

Moving from animal models to human applications in preclinical research encompasses a broad spectrum of disciplines in medical science. A fundamental element in the development of new drugs, treatments, diagnostic methods, and in deepening our understanding of disease processes is the accurate measurement of kidney tissues. Past studies have demonstrated the viability of translating glomeruli segmentation techniques from mouse models to human applications. Yet, these investigations tend to neglect the complexities involved in segmenting pathological glomeruli affected by different lesions. Such lesions present a wider range of morphological variations compared to healthy glomerular tissue, which are arguably more valuable than normal glomeruli in clinical practice. Furthermore, data on lesions from animal models can be more readily scaled up from disease models and whole kidney biopsies. This brings up a question: “\textit{Can a pathological segmentation model trained on mouse models be effectively applied to human patients?}’ To answer this question, we introduced GLAM, a deep learning study for fine-grained segmentation of human kidney lesions using a mouse model, addressing mouse-to-human transfer learning, by evaluating different learning strategies for segmenting human pathological lesions using zero-shot transfer learning and hybrid learning by leveraging mouse samples. From the results, the hybrid learning model achieved superior performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google