血脑屏障(BBB)在维持大脑稳态中起着至关重要的作用。15在衰老期间,BBB经历了结构改变。电子显微镜(EM)16是研究脑脉管系统结构改变的金标准。17然而,对EM图像的分析是时间密集型的,可能是选择偏见的,18限制了我们对BBB上衰老的结构e的理解。在这里,我们介绍了3Btron,这是对EM 21图像中BBB 20架构(其各个组件的形态,结构和纹理)自动分析的深度学习框架。使用年龄作为读数,我们在唯一的22个数据集(n = 359)上训练并验证了我们的模型。我们表明,所提出的模型可以结合确定来自三个Di!Erent 24个大脑区域的年轻小鼠大脑的23个BBB结构,在预测不可证实的数据时,敏感性达到77.8%,敏感性为80.0%。此外,特征重要的方法揭示了26个对预测贡献最大的图像的空间特征。这27个发现展示了一种新的数据驱动方法,用于分析28个BBB体系结构中与年龄相关的变化。29
主要关键词