DeepDOF-SE:可负担得起的深度学习显微镜平台,用于无幻灯片组织学

科学领域:

• 生物医学工程 生物医学工程
• 数字病理学数字病理学
• 人工智能在医学中的应用

背景情况:

• 组织病理学对于癌症诊断和手术至关重要,但由于复杂的基础设施和耗时的幻灯片准备,在资源有限的环境中面临着可访问性挑战.
• 对于手术内决策至关重要的结部位病理,在资源不足的环境中尤其受到限制.

研究的目的:

• 开发和验证一个快速,负担得起,无幻灯片的组织学平台,用于手术内瘤边缘评估.
• 通过使用深度学习,在资源有限的环境中克服传统遗传病理学的局限性.

主要方法:

• 开发了DeepDOF-SE,这是一款支持深度学习的显微镜,用于以细胞分辨率快速扫描完整组织.
• 使用廉价的重要光染料直接染色组织和光学切割的紫外线激发.
• 采用深度学习算法来扩展场域深度和用于虚拟H&E染色的生成对抗网络.

主要成果:

• DeepDOF-SE成功成像了疑似口腔瘤的手术切除,提供了诊断相关的组织学信息.
• 该平台展示了从大型组织区域的快速获取焦点图像,即使表面不规则.
• 虚拟H&E染色方便病理学家的解释,需要最低限度的额外培训.

结论:

• DeepDOF-SE提供了一种实用的,无幻灯片的组织学解决方案,用于手术内瘤边缘评估.
• 这项技术有可能显著提高癌症护理在低资源环境中的可访问性.
• 这种创新方法绕过了传统的幻灯片准备的需要,降低了成本和复杂性.