人工智能驱动的类器官图像分析的应用与挑战
杜轩1# 姚禹2# 李裕辰1 陈早早1*
(1东南大学, 生物科学与医学工程学院, 数字医学工程国家重点实验室, 南京 211189; 2中国医学科学院整形外科医院, 北京 211189)
摘要 :
类器官作为重构人类组织结构与再现生理功能的先进体外模型, 正加速取代传统动物实验的方法, 成为发育生物学、精准医疗及药物筛选领域的核心载体。图像数据凭借其无创、高时空分辨率的特性, 成为解析类器官复杂表型的关键手段, 而高效、精准的人工智能(AI)算法则是实现其从基础研究向临床应用跨越的技术保障。然而, 类器官图像分析面临形态异质性强、边界模糊、多模态噪声干扰及标注成本高昂等严峻挑战。该文综述了人工智能驱动下的类器官图像分析现状与发展趋势。首先, 文章总结了基于深度学习的二维(2D)分割方法在边界检测与生长追踪中的主流应用, 并指出了其在二维分析中的局限性。随后, 重点探讨了从二维表征向三维(3D)时空建模跨越的必要性, 指出了3D分割技术是实现类器官精准空间建模与深层功能预测的关键路径。该文旨在通过系统梳理当前算法挑战与技术演进, 为解析类器官复杂生物学机制及开发AI辅助决策工具提供理论参考。
中文版
英文版