Методы искусственного интеллекта могут заменить гистохимическое окрашивание

31 октября 2022 г.

от интеллектуальных вычислений

Патологоанатомы наблюдают за образцами тканей, сначала окрашивая их. Однако стандартные процедуры окрашивания образцов тканей при гистопатологии отнимают много времени и требуют специализированной лабораторной инфраструктуры, химических реагентов и квалифицированных специалистов. Неопределенность в окрашивании тканей при работе различных лабораторий и специалистов-гистологов может привести к ошибочному диагнозу. Кроме того, используемые в настоящее время методы гистохимического окрашивания не сохраняют исходный образец ткани, поскольку каждый этап процедуры оказывает необратимое воздействие на образец.

С развитием искусственного интеллекта (ИИ) исследователи используют методы ИИ для улучшения рабочего процесса в области патологии. В недавнем исследовании Калифорнийского университета в Лос-Анджелесе (UCLA) глубокие нейронные сети использовались для виртуального окрашивания микроскопических изображений немаркированных тканей. Исследование было опубликовано в журнале Intelligent Computing.

Глубокие нейронные сети уже применялись для окрашивания изображений немаркированных срезов тканей, что позволяет избежать различных трудоемких и трудоемких процессов гистохимического окрашивания. Однако существуют некоторые узкие места. «Во всех методах виртуального окрашивания без меток получение сфокусированных изображений немеченых срезов ткани имеет важное значение. В целом, фокусировка является важным, но трудоемким шагом в сканирующей оптической микроскопии», — говорят авторы.

Наиболее широко используемый метод автофокусировки требует большого количества точек фокусировки по всей области предметного стекла с высокой точностью фокусировки, а лучшая фокальная плоскость определяется с помощью итерационного алгоритма поиска, который требует много времени и может привести к фотоповреждениям и фотообесцвечиванию образцов.

Чтобы преодолеть эти проблемы, авторы представляют новую систему быстрого виртуального окрашивания, основанную на глубоком обучении. Они говорят, что «эта структура использует нейронную сеть автофокусировки (называемую Deep-R) для цифровой перефокусировки расфокусированных автофлуоресцентных изображений. Затем используется виртуальная сеть окрашивания для преобразования перефокусированных изображений в виртуально окрашенные изображения».

По сравнению со стандартной системой виртуального окрашивания, новая система, продемонстрированная авторами, использует меньше фокусных точек и снижает точность фокусировки для каждой точки фокусировки для получения грубо сфокусированных автофлуоресцентных изображений ткани на всем слайде.

Эта новая система виртуального окрашивания может значительно сократить время автофокусировки и весь процесс получения изображения. Авторы говорят, что «структура, основанная на глубоком обучении, уменьшает общее время получения изображения, необходимое для виртуального окрашивания целых изображений слайдов без меток (WSI), примерно на 32%, что также приводит к уменьшению времени автофокусировки на ~ 89% за единицу времени. тканевый слайд».

Несмотря на потерю резкости и контрастности изображения по сравнению со стандартными системами виртуального окрашивания, все же можно получить высококачественное окрашивание, близкое к соответствующим гистохимически окрашенным основным достоверным изображениям. Кроме того, эту платформу также можно использовать в качестве дополнительного модуля для повышения надежности стандартной системы виртуального окрашивания.

Эта система быстрого виртуального окрашивания будет иметь больше перспектив развития в будущем. «Этот быстрый рабочий процесс виртуального окрашивания также можно расширить для многих других пятен, таких как трихромное окрашивание Массона, пятно серебром Джонса и иммуногистохимическое (ИГХ) окрашивание», — говорят авторы. «Хотя представленный здесь подход к виртуальному окрашиванию был продемонстрирован на основе автофлуоресцентной визуализации немаркированных срезов тканей, его также можно использовать для ускорения рабочего процесса виртуального окрашивания в других методах микроскопии без меток».