在人类胎盘组织学中绘制细胞到组织图谱,使用HAPPY的深度学习使用全幻灯片图像

科学领域:

• 计算病理学计算病理学
• 生殖生物学 生殖生物学
• 医学成像分析分析 医学成像分析

背景情况:

• 胎盘病理评估对于母亲和新生儿的健康至关重要.
• 组织学分析面临着由于胎盘异质性和时间变异性的挑战.
• 现有的方法缺乏全面的,分层的方法来量化胎盘组织结构.

研究的目的:

• 开发和验证一种深度学习等级方法,用于量化胎盘组织学变异性的整片图像.
• 建立健康期胎盘的基线定量指标.
• 为了证明这些指标在有显著心脏病发作的胎盘中偏差.

主要方法:

• 开发了"组织学分析管道.PY" (HAPPY),一种深度学习层次方法.
• 利用单细胞分辨率在整个幻灯片图像中表示细胞和细胞群体.
• 细胞和微解剖组织结构的量化变异性.

主要成果:

• 快乐为健康的胎盘提供了定量指标,作为基线.
• 对于有显著胎盘梗塞的胎盘,这些指标的证明偏差.
• HAPPY的预测与临床专家和已建立的胎盘生物学文献密切一致.

结论:

• 快乐提供了一个可解释的,等级的方法来分析胎盘组织学分析.
• 开发的指标可以帮助评估胎盘健康状况和诊断胎盘梗塞.
• 这种深度学习工具提高了胎盘病理评估的准确性和一致性.