支持深度学习的现实虚拟组织学与紫外线光声学遥感显微镜

科学领域:

• 医疗成像医学成像
• 计算病理学计算病理学
• 瘤外科手术 瘤外科手术

背景情况:

• 完整的瘤切除是瘤手术的目标,但正边缘是当前组织学方法常见的.
• 冷截面分析提供了手术内评估,但已知存在不准确性.
• 准确的边际评估对于有效的癌症治疗和患者的治疗结果至关重要.

研究的目的:

• 引入一种新的,无标签的组织学成像方法,用于手术内边缘评估.
• 将紫外线光声学遥感和散射显微镜与虚拟染色的深度学习相结合.
• 与传统技术相比,评估新方法的诊断准确性和病理学家偏好.

主要方法:

• 开发了一种使用紫外线光声学遥感和散射显微镜的无标签组织学成像系统.
• 采用无监督的深度学习 (循环一致的生成对抗网络) 来实现未染色组织的现实虚拟染色.
• 在前列腺和乳腺组织中对H&E染色组织学进行了定量验证.
• 进行了诊断实用性研究和盲目的病理学家调查.

主要成果:

• 该成像方法以高达7分钟/平方厘米的速度扫描未染色的组织,达到相当于400x数字组织病理学的分辨率.
• 在良性和恶性前列腺和乳腺组织中观察到与传统组织学有很强的一致性.
• 实现了高诊断性能:乳腺样本的平均灵敏度为0.96和特异性为0.91,前列腺样本的0.87和0.94.
• 病理学家更喜欢虚拟染色质量,而不是冷截面分析 (P=0.03).

结论:

• 这种新的无标签成像技术在瘤外科手术中提供了准确和快速的手术内边缘评估.
• 这种方法利用先进的显微镜和人工智能,为传统的组织学和冷部位提供了一个有希望的替代方案.
• 改进的虚拟染色和诊断准确性有潜力通过减少积极边际来提高外科手术结果.