无标签和无幻灯片的组织组织学使用3D epi-mode定量相成像和虚拟的H&E染色

科学领域:

• 生物医学成像技术 生物医学成像技术
• 计算病理学计算病理学
• 人工智能在医学中的应用

背景情况:

• 组织学染色,特别是血素和乙 (H&E),对于疾病诊断至关重要,但是劳动密集型和耗时的.
• 目前的方法由于处理延迟,限制了诸如实时外科手术利评估等应用.

研究的目的:

• 开发一种快速的,没有标签和幻灯片的方法,从未染色的组织中生成高保真度的H&E类图像.
• 为了整合定量斜背照明显微镜 (qOBM) 与深度学习用于虚拟组织病理学.

主要方法:

• 使用定量斜背照明显微镜 (qOBM) 进行厚度不变组织的3D成像.
• 使用无监督生成对抗网络 (GAN) 管道将qOBM相位图像转换为虚拟的H&E (vH&E) 图像.
• 使用神经网络分类器和与神经病理学家进行的用户研究验证了vH&E图像质量.

主要成果:

• 实现了高准确度的qOBM图像转换为vH&E,在各种组织类型 (老鼠肝脏,老鼠质肉瘤,人类质瘤) 中保留了亚细胞细节.
• 证明了框架在体积成像中具有H&E类对比性的能力.
• 通过计算和专家验证证了vH&E图像质量和诊断实用程序.

结论:

• 支持深度学习的qOBM方法为传统的H&E染色提供了快速,经济高效的替代方案.
• 这项技术有可能显著改善组织病理学工作流程,包括癌症查和治疗指导.
• 实时,体内反能力可以改变外科手术和诊断.