多光谱成像和计算融合用于虚拟染色,具有扩展的深度场

科学领域:

• 生物医学成像技术 生物医学成像技术
• 人工智能在病理学中的应用
• 计算病理学计算病理学

背景情况:

• 虚拟染色为化学染色提供了人工智能驱动的替代方案,但在稳定性和临床工作流集成方面面临挑战.
• 现有的方法往往与标准的病理学检查程序不兼容.
• 对于先进的诊断来说,病理学中需要有效,可靠和无染料的染色方法至关重要.

研究的目的:

• 开发一种强大的,无标签的虚拟染色方法,使用深度学习进行准确的病理检查.
• 将扩展的深度场图像与光谱信息集成在一起,以增强虚拟染色.
• 创建一个与现有的临床工作流程兼容的插入式解决方案.

主要方法:

• 一个定制的成像系统被开发用于多维病理光谱信息采集.
• 建立了一个端到端监督的光谱染色网络 (SSNet),用于光谱线索提取和特征学习.
• 固有的光谱先验被编码为染色的视觉表示,以提高准确性.

主要成果:

• 提出的深度学习虚拟染色方法在各种组织中表现出强大的性能.
• 在虚拟染色过程中实现了高的形态准确性和颜色保真度.
• 该方法成功地消除了在成像之前需要外源染料的需求.

结论:

• 开发的无标签虚拟染色方法为传统化学染色提供了准确而强大的替代方案.
• 这种方法通过编码光谱先验来增强病理检查,提高形态准确性和颜色保真度.
• 这种方法的无染料,插即用性质促进了更快的诊断,并为体外检查提供了可能性.