목적: 정상, 분절성 염색질 용해(segmental chromatolysis), 중추성 염색질 용해(central chromatolysis) 등 서로 다른 세 가지 유형의 흰쥐(dorsal root ganglion) 척수신경절(neuron)을 정확하게 검출하고 분류할 수 있는 심층학습(DL) 모델을 개발하고자 한다. 이 DL 모델은 척수 손상 및 질환과 관련된 연구에서 뉴런 분류의 효율성과 정밀도를 향상시킬 잠재력이 있다. 방법: H&E 슬라이드 이미지를 내부 훈련 세트(80%)와 테스트 세트(20%)로 분할하였다. 훈련 데이터셋은 미리 정의된 등급(pre-defined grades)을 사용하여 두 명의 병리학자가 라벨링하였다. 이 데이터셋을 이용하여 2-구성요소(two-component) DL 모델을 개발하였으며, 첫 번째 구성요소는 관심영역(ROI)을 검출하도록 훈련된 합성곰곰이 신경망(convolutional neural network, CNN)이고, 두 번째 구성요소는 분류에 사용된 또 다른 CNN이다. 결과: 총 240장의 흰쥐 요추 부위 척수신경절(DRG) 병리 슬라이드 이미지가 분석되었다. 내부 테스트 결과 정확도는 93.13%였으며, 외부 데이터셋 테스트에서는 정확도 93.44%를 보였다. 결론: DL 모델은 정상 및 분절성 염색질 용해 뉴런의 검출과 분류에서 병리학자와 비교 가능한 수준의 일치도를 나타냈으나, 중추성 염색질 용해 뉴런에 대해서는 일치도가 약간 낮았다. 의의: 병리 분석의 정확도와 효율성을 향상시키는 DL은 의료 의사결정의 질을 높이는 역할을 수행할 수 있음을 시사한다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.