FPM2Stain Net:以物理为导向的超分辨率和多模式虚拟染色,用于数字遗传病理学

科学领域:

• 数字病理学数字病理学
• 计算成像技术的成像
• 生物医学光学 生物医学光学

背景情况:

• 传统的组织病理学依赖于化学染色,这是耗时和昂贵的.
• 数字病理学旨在通过计算方法提高诊断能力.
• 里埃图形显微镜 (FPM) 提供无标签成像,但需要高分辨率的重建.

研究的目的:

• 开发一个集成的计算管道 (FPM2Stain Net) 用于高分辨率的多模式数字遗传病理学.
• 为了实现物理引导的超分辨率和基于深度学习的虚拟染色.
• 为化学染色提供一个具有成本效益和可扩展的替代方案.

主要方法:

• 使用基于物理的双向里埃图形显微镜 (BiP-FPM) 与自主监督的ResNet-U-Net进行高分辨率重建.
• 使用多任务条件生成对抗网络 (cGAN) 来合成虚拟染色 (H&E,DAPI,LAP2,panCK).
• 集成基于波纹的空间频率融合和感知监控,以提高合成准确度.

主要成果:

• 与传统的FPM,基于GAN和基于扩散的方法相比,FPM2Stain Net显示出更高的重建保真度和染色精度.
• 合成的虚拟染料保留了细致的结构细节,并改善了下游分析,如细胞细分和生物标记物量化.
• 从低放大输入实现了>10 × 像素级上取样因子.

结论:

• FPM2Stain Net为数字病理学提供了一个快速,可扩展和具有成本效益的解决方案.
• 该管道可以实现高分辨率的多模式成像,而无需化学染色.
• 这项技术在多重成像和临床诊断中具有潜在的应用.