超越傳統(tǒng)病理學 無標記組織學與人工智能相結合

由浦項科技大學金哲弘教授和韓國天主教大學首爾圣母醫(yī)院鄭燦權教授領導的合作研究團隊開發(fā)了一種人工智能 (AI) 系統(tǒng)，用于分析人類肝癌組織的無標記光聲組織學圖像。他們的研究最近發(fā)表在《光：科學與應用》上。

組織病理學是診斷疾病和制定適當治療方案的主要依據(jù)。通常，在顯微鏡下檢查切除的組織需要染色，這會因使用化學品而增加額外的勞動力和成本。

光聲組織學 (PAH) 技術已經(jīng)開發(fā)出來以緩解這些問題。PAH 通過檢測生物分子在被光 (激光) 照射時產(chǎn)生的聲音 (超聲波) 信號來生成圖像，從而無需染色和標記。然而，PAH 會向病理學家呈現(xiàn)不熟悉的圖像，使解釋和診斷變得復雜，并導致準確性相對較低。

在這項研究中，研究人員將 PAH 與能夠對人體組織圖像進行虛擬染色、分割和分類的尖端深度學習模型相結合。

首先，虛擬染色步驟將包含細胞核和細胞質的黑白未標記圖像轉換為模擬染色樣本的圖像。此步驟旨在生成與實際染色樣本相似的圖像，同時保留組織結構，并使用可解釋的深度學習方法來提高虛擬染色結果的可靠性。

接下來，在分割階段，使用未標記圖像和虛擬染色數(shù)據(jù)來分割樣本的特征，例如細胞面積、細胞計數(shù)和細胞間距離。最后，在分類階段，該模型使用未標記圖像、虛擬染色圖像和分割數(shù)據(jù)來對組織是否為癌癥進行分類。

　　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！