概括
虚拟染色以数字方式生成现实的组织学图像,克服了解释显微镜数据的挑战. 这种新的方法有效地将反射同焦显微镜图像转换为血素和酸盐染色的视觉图像.
科学领域:
- 数字病理学数字病理学
- 计算机成像成像技术
- 历史学 历史学 历史学
背景情况:
- 虚拟染色为显微镜中的传统化学染色方法提供了有效的替代方案.
- 解读未染色或伪彩色的显微镜图像对病理学家和外科医生构成挑战.
- 数字化模拟组织学污点可以弥合虚拟和传统成像之间的差距.
研究的目的:
- 推出一个新的网络,In-and-Out Net,用于虚拟染色.
- 为了高效地将反射同焦显微镜 (RCM) 图像转化为血素和素 (H&E) 染色图像.
- 为组织学图像分析提供一个有价值的工具.
主要方法:
- 开发了一个基于生成对抗网络 (GAN) 的模型,命名为In-and-Out Net.
- 应用化预处理以增强皮肤组织RCM图像中的核对比度.
- 利用虚拟的H&E标签与两个光通道进行训练,消除了图像注册的需要,并提供像素级的地面真相.
主要成果:
- 进出网模型成功地将RCM图像转化为H&E染色图像.
- 该模型在虚拟染色任务中展示了最先进的性能.
- 建议采用最佳的训练策略,并通过废弃研究进行验证.
结论:
- 进出网为虚拟染色提供了一个有前途的解决方案,增强了组织学图像分析.
- 该方法促进了有效的组织分析,无需物理切割或复杂的基础设施.
- 完美匹配的输入和地面真相图像在没有注册的情况下被收集,简化了工作流程.
