深度學習可以通過創(chuàng)建完整組織的虛擬組織學來消除皮膚活檢

雖然 X 射線、MRI 和 CT 掃描通過消除許多用于診斷內(nèi)部惡性腫瘤的探索性外科手術的需要改變了臨床醫(yī)學的實踐，但用于輔助皮膚癌診斷的成像技術已經(jīng)落后。目前診斷皮膚病(包括皮膚癌)的標準依賴于侵入性活檢，然后進行組織病理學評估，這可能導致不必要的皮膚活檢和疤痕、多次就診和增加醫(yī)療保健系統(tǒng)的成本。作為用于皮膚病診斷的新興無創(chuàng)光學技術之一，反射共聚焦顯微鏡 (RCM) 提供了一種無需活檢的潛在解決方案，可在體內(nèi)提供具有細胞級分辨率的皮膚結構圖像。然而，RCM 圖像的輸出不是皮膚科醫(yī)生和病理學家熟悉的格式，并且分析這些圖像需要專門的訓練，因為 RCM 圖像是黑白的，缺乏核特征，與標準相比，顯示皮膚組織內(nèi)的不同平面組織學。

最近，加州大學洛杉磯分校的一組研究人員使用深度學習框架將未經(jīng)活檢獲得的完整皮膚的 RCM 圖像轉換為在顯微鏡載玻片上成像的活檢、組織化學染色的皮膚切片圖像。他們使用生成對抗方案訓練了一個卷積神經(jīng)網(wǎng)絡，以將未染色皮膚的體內(nèi)RCM 圖像快速轉換為 H&E 的虛擬染色體積圖像。這種被團隊稱為“虛擬組織學”的技術允許分析皮膚的顯微圖像，繞過用于醫(yī)學診斷的幾個標準步驟，包括皮膚活檢、組織固定、處理、切片以及組織化學染色。

發(fā)表在Springer Nature 的期刊Light: Science & Applications上，這種新的 3D 虛擬染色框架可以對各種皮膚狀況進行虛擬組織學分析，包括正常皮膚、基底細胞癌和帶有黑色素細胞的黑色素痣，也覆蓋不同的皮膚層，包括表皮層、真皮-表皮連接層和淺表真皮層。未標記皮膚組織的虛擬染色 H&E 圖像顯示出在活檢組織的組織化學染色顯微圖像中發(fā)現(xiàn)的相似顏色對比度和空間特征。這種由深度學習驅動的虛擬組織學方法可以消除侵入性皮膚活檢，并使診斷人員能夠看到完整皮膚的整體組織學特征，而無需化學處理或組織標記。

這項研究由加州大學洛杉磯分校電氣和計算機工程學院校長教授兼 Volgenau 工程創(chuàng)新主席 Aydogan Ozcan 博士與加州大學洛杉磯分校和西洛杉磯 VA 醫(yī)院皮膚病學和皮膚病理學助理教授 Philip Scumpia 博士合作，以及皮膚科和激光中心(洛杉磯)的皮膚科醫(yī)生 Gennady Rubinstein 博士。這項工作的其他作者包括李靖西、賈森·加芬克爾、張曉然、吳迪、張益杰、凱文·德哈恩、王宏達、劉泰然、白畢杰和兼職教授 Yair Rivenson 博士。Ozcan 博士還在加州大學洛杉磯分校生物工程和外科部門擔任教職，并且是加州納米系統(tǒng)研究所的副主任。

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！