通过半监督数字染色和串行切割光学连贯性断层扫描进行增强的多尺度人脑成像
Shiyi Cheng1, Shuaibin Chang1, Yunzhe Li2
1Department of Electrical and Computer Engineering, Boston University, Boston, MA, 02215, USA.
Light, science & applications
|January 20, 2025
概括
这项研究引入了一个新的3D成像框架,将串行切割光学连贯断层扫描 (S-OCT) 与深度学习数字染色 (DS) 结合起来. 这种方法增强了大脑结构可视化,用于高通量,多层次的神经科学研究.
科学领域:
- 神经科学是一个神经科学.
- 生物医学成像技术 生物医学成像技术
- 计算生物学 计算生物学
背景情况:
- 在不同尺度上可视化人类大脑结构是具有挑战性的.
- 传统的组织学方法面临着诸如染色变性和组织扭曲等局限性.
- 无标签的序列切割光学连贯性断层扫描 (S-OCT) 提供3D成像,但缺乏组织学解释性.
研究的目的:
- 开发一个新的3D成像框架,将S-OCT与深度学习数字染色 (DS) 集成在一起.
- 为了提高可解释性和减少S-OCT脑成像中的变异性.
- 为了实现大脑结构的高通量,多尺度的3D组织学研究.
主要方法:
- 结合S-OCT与深度学习数字染色 (DS) 模型.
- 开发了一种半监督学习技术,用于DS模型培训.
- 使用DS模型将S-OCT图像翻译成Gallyas银色染色.
主要成果:
- 在人类大脑皮层样本中实现了一致的数字染色质量.
- 通过皮质层边界增强对比度.
- 保存了3D几何图形,用于可视化中等尺度的白物质血管网络.
结论:
- 这种新的框架集成了高通量3D成像,具有低样本可变性和高可解释性.
- 对S-OCT数据的数字染色可以实现准确的3D组织学.
- 这种技术有可能推进多层次脑组织成像和结构研究.
