FFPE++:通过对比的未配对图像到图像翻译来提高甲固定嵌入组织成像的质量

科学领域:

• 数字病理学数字病理学
• 组织病理学 组织病理学
• 医学图像分析 医学图像分析

背景情况:

• 甲固定和嵌 (FFPE) 是一种标准的组织制备方法.
• FFPE加工引入了诸如染色不一致和组织折叠之类的工件.
• 这些文物可以显著阻碍准确的病理诊断.

研究的目的:

• 开发一种自动化方法来纠正FFPE文物.
• 提高临床病理学的诊断和预后准确度.
• 提高人工智能 (AI) 工具在数字病理学中的性能.

主要方法:

• 建议使用FFPE++,一种未配对的图像对图像翻译方法.
• 利用对比式学习与混合道空间注意力模块.
• 整合的自我调节损失用于人工物纠正.

主要成果:

• 在FFPE组织段中,FFPE++显示出显著的人工物纠正.
• 病理学家图灵测试显示FFPE++优于标准的FFPE图像.
• 这种方法在卵巢癌,肺腺癌,肺状细胞癌和乳头甲状腺癌中被证明是有效的.

结论:

• FFPE++提供了一个强大的解决方案来缓解FFPE工件.
• 该方法有可能提高临床病理学的诊断和预后准确性.
• FFPE++可以提高AI在数字病理学中的可靠性和性能.