UCLA团队使用深度学习和RCM实现了皮肤的无活检虚拟组织学
学分:Aydogan Ozcan，博士
你的皮肤科医生不会通过手术取出皮肤样本，送去实验室等待几天的结果，而是拍下可疑病变的照片，并迅速制作出详细的皮肤显微图像
根据今天斯普林格自然集团杂志《光:科学与应用》上的文章，这可能会成为诊所的常规，这是加州大学洛杉矶分校萨缪利工程学院和加州大学洛杉矶分校戴维·格芬医学院的研究人员正在开发的一项新的“虚拟组织学”技术的结果
组织学是对组织微观结构的研究
“这个过程绕过了通常用于诊断的几个标准步骤，包括皮肤活检、组织固定、处理、切片和组织化学染色
该研究的资深作者、财政大臣教授、加州大学洛杉矶分校萨缪利分校电气和计算机工程系沃尔格瑙工程创新讲座教授艾多根·奥兹坎说:“图像看起来像是显微镜载玻片上成像的活检组织化学染色皮肤切片。”
这项技术已经研发了三年多，可能会为恶性皮肤肿瘤的快速诊断提供一条新的途径，减少不必要的侵入性皮肤活检的数量，并允许皮肤癌的早期诊断
以前，这项技术只应用于含有未染色组织的显微镜载玻片，这些组织是通过活组织检查获得的
该报告首次将虚拟组织学应用于完整的、未剥离的组织
“目前诊断皮肤病(包括皮肤癌)的标准依赖于侵入性活检和组织病理学评估
对于患者来说，这通常会导致不必要的活检和疤痕，以及多次就诊
对病人和医疗保健系统来说，这也是昂贵的
Philip Scumpia，加州大学洛杉矶分校戴维·格芬医学院和西洛杉矶退伍军人事务医院皮肤科和皮肤病理学助理教授，加州大学洛杉矶分校Jonsson综合癌症中心成员
“我们的方法有可能提供一种免活检的解决方案，提供细胞级别分辨率的皮肤结构图像
" 由奥兹坎、斯库皮亚和博士领导的研究小组
洛杉矶皮肤病与激光中心的皮肤科医生Gennady Rubinstein创建了一个深度学习框架，将新兴的无创光学技术反射式共聚焦显微镜(RCM)获得的完整皮肤图像转换成一种对皮肤科医生和病理学家都很友好的格式
分析RCM图像需要特殊的训练，因为它们是黑白的，与标准的组织学不同，它们缺乏细胞的核特征
Scumpia说:“我惊讶地发现，这种虚拟染色技术很容易将图像转换成我通常看到的皮肤活检图像，这些图像是使用传统的化学固定和显微镜下的组织染色进行处理的。”
研究人员训练了一个“卷积神经网络”，将未染色皮肤的RCM图像快速转换成皮肤学家和皮肤病理学家熟悉的H& E(苏木精和伊红)图像等虚拟染色3D图像
深度学习是机器学习的一种形式，它构建了人工神经网络，像人脑一样，可以从大量数据中“学习”
“这个框架可以对各种皮肤状况进行虚拟组织学检查，包括基底细胞癌
它还提供了几个皮肤层的详细3D图像，”奥兹坎说，他还获得了加州大学洛杉矶分校生物工程和外科的教师任命，并且是加州纳米系统研究所的副主任
“在我们的研究中，虚拟染色图像显示出与活检组织传统染色显微图像相似的颜色对比和空间特征
这种方法可以让诊断医生看到完整皮肤的整体组织学特征，而无需侵入性皮肤活检或耗时的组织化学处理和标记工作
" 根据鲁宾斯坦的说法，这是一项令人兴奋的概念验证研究
“目前在诊所里帮助皮肤科医生的唯一工具是皮肤镜，它可以放大皮肤和偏振光
充其量，它们可以帮助皮肤科医生获得模式，”鲁宾斯坦说，他在临床上也使用反射共焦显微镜
作者说，将这项技术转化为临床应用还有几个步骤，但他们的目标是提供虚拟组织学技术，该技术可以内置于任何设备中，无论是大设备、小设备还是与其他光学成像系统相结合
一旦神经网络被“训练”，有了许多组织样本和强大的图形处理单元的使用，它将能够在计算机或网络上运行，实现从标准图像到虚拟组织图像的快速转换
未来的研究将确定这种数字化的、无需活检的方法是否能与全身成像和电子病历相结合，以开创“数字皮肤病学”的新时代，并改变皮肤病学的实践方式
此外，研究团队将确定这个人工智能平台是否可以与其他人工智能技术合作，以寻找模式并进一步帮助临床诊断
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
