Для начала используйте остеохондральную систему передачи автографов, чтобы создать дефект диаметром 4,75 мм в боковом мыщелке усыпленной овцы. С помощью ортопедического молотка создайте дефект глубиной 10 миллиметров и извлеките остеохондральный эксплант из мыщелка. Приготовьте кальций-фосфатный цемент с добавлением 40 микрограммов на миллилитр BMP 2 и загрузите цементную пасту в трехмиллилитровый шприц.
Затем введите цемент в дефект экспланта с помощью иглы 18 калибра. Включите рентгеновский аппарат для микротомографии и поместите эксплантную трубку на держатель образца. Установите разрешение на 10,7 микрометра, а время экспозиции на 1,200 миллисекунды, с помощью одномиллиметрового алюминиевого фильтра на 80 киловольт и 125 микроампер.
Усредняйте три изображения для каждого шага поворота на 0,45 градуса, чтобы улучшить соотношение сигнал/шум. Чтобы провести сегментацию изображений, используйте встроенный мастер сегментации для обучения модели глубокого обучения для различения кости и цемента. Выберите репрезентативную зону, содержащую кость, цемент и фон из реконструированных изображений микрокомпьютерной томографии, и сегментируйте этот первый кадр.
Теперь на вкладке модели сгенерируйте модель глубокого обучения и выберите подпрограмму 3D-сети. Затем кликаем правой кнопкой мыши по сгенерированной модели, и устанавливаем экспериментальные параметры как глубина пять, размер патча 32 на 32, алгоритм, коэффициент шага 0.25. И 10 x данных.
Используйте сегментированную рамку для обучения модели глубокого обучения, нажав кнопку обучения. После завершения обучения определите второй кадр и автоматически сегментируйте его с помощью функции predict. Затем нажмите «Экспорт», чтобы опубликовать обученную модель, и примените ее ко всему набору данных микрокомпьютерной томографии, выбрав сегмент, экспортированную модель, сегмент, полный набор данных.