快速癌症诊断使用深度学习驱动的无标签亚细胞分辨率光声组织学
Byullee Park1, Rui Cao1, Yilin Luo1
1Caltech Optical Imaging Laboratory, Andrew and Peggy Cherng Department of Medical Engineering, California Institute of Technology, Pasadena, CA, USA.
Science advances
|November 21, 2025
概括
细胞下分辨率紫外线光声学显微镜 (UV-PAM) 提供快速,无标签的组织学. 这个新系统实现了240nm的分辨率,使得详细的核结构可视化和精确的瘤诊断.
科学领域:
- 生物医学光学 生物医学光学
- 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:
- 传统的血素和欧 (H&E) 染色是病理学的标准,但是缓慢的,劳动密集的,容易出现人工制品.
- 无标签紫外光声学显微镜 (UV-PAM) 提供了一个更快的替代方案,但目前的系统缺乏空间分辨率,无法进行详细的组织学分析.
- 高空间分辨率对于准确的组织学解释和诊断至关重要.
研究的目的:
- 开发一个能够进行高分辨率,无标签成像的亚细胞分辨率UV-PAM (SRUV-PAM) 系统.
- 在SRUV-PAM图像上使用AI实现虚拟染色和自动瘤诊断.
- 克服当前UV-PAM系统在实现诊断级分辨率方面的局限性.
主要方法:
- 开发了一种SRUV-PAM系统,集成了一个高数值光圈 (NA = 0.64) 目标镜头和精确的压力执行器,用于精细扫描.
- 实现了240纳米的空间分辨率,允许可视化亚细胞结构,如核.
- 采用循环一致的生成对抗网络进行虚拟染色和DenseNet-121用于自动肝脏瘤诊断.
主要成果:
- 该SRUV-PAM系统成功地以240nm分辨率可视化了详细的核结构.
- 在SRUV-PAM图像上有效地展示了虚拟染色.
- 恶性和良性肝脏瘤的自动诊断实现了接收器操作特征曲线 (AUC) 下的面积为0.902.
结论:
- SRUV-PAM提供高分辨率的无标签成像,用于详细的组织学分析.
- 人工智能驱动的虚拟染色和诊断显示出病理学应用的巨大潜力.
- 这项技术为诊断中的传统染色方法提供了一个有希望的,高效的替代方案.
