使用深度神经网络将一种组织活检染色(H&E)虚拟转化并重新染色为三种特殊染色。学分:Ozcan Lab @ UCLA为了进行医学诊断，病理学家会目视检查组织化学染色的组织活检切片。苏木精和伊红(H&E)染色是病理学中最常用的组织化学染色，覆盖了全球进行的大多数人体组织活检染色。然而，在许多临床病例中，需要额外的“特殊染色”来为不同的组织成分提供对比度和颜色，并使病理学家获得更清晰的诊断图像。这些特殊的染色通常需要明显更长的组织准备时间，以及费力的工作和专家组织技术人员的监测，所有这些都增加了诊断的成本和时间。加州大学洛杉矶分校的研究人员开发了一种基于深度学习的技术，可以通过计算将现有的H& E染色组织图像转换成特殊染色，来消除人类组织技术人员准备这些特殊染色的需要。这种基于人工智能的技术是通过生成一整组用于肾脏组织的特殊染色来演示的，即周期酸希夫染色、琼斯银染色和马森三色染色；所有这些特殊的染色都是利用专门的深度神经网络，从现有的H& E染色组织活检图像进行计算转换的。研究人员使用这组特殊染色剂进行了临床评估，以证明这种染色剂到染色剂转化技术在各种临床样本上的有效性，涵盖了广泛的肾脏疾病。由委员会认证的肾脏病理学家组成的多机构团队进行的这项评估发现，通过使用神经网络生成的特殊染色和健康和环境图像，在诊断方面比仅使用健康和环境图像有统计学上的显著改善。另一项研究还表明，虚拟再染色图像的质量在统计上与人类专家进行组织化学染色的图像相当。
这种染色到染色的转变很快，针芯组织活检切片不到一分钟。这种速度提高了需要特殊染色的初步诊断的质量，也节省了大量时间和成本。这些优势在诊断医疗状况(如移植再注射病例)时尤为重要，因为快速准确的诊断可以实现快速治疗，从而显著改善临床结果。此外，由于虚拟再染色技术应用于现有的染色剂，因此易于采用，因为它不需要对病理学中使用的当前组织处理工作流程进行任何改变。
这项研究发表在《自然通讯》杂志上。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
