由浦項(xiàng)科技大學(xué)金哲弘教授和韓國天主教大學(xué)首爾圣母醫(yī)院鄭燦權(quán)教授領(lǐng)導(dǎo)的合作研究團(tuán)隊(duì)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(biāo)記光聲組織學(xué)圖像。他們的研究最近發(fā)表在《光：科學(xué)與應(yīng)用》上。
組織病理學(xué)是診斷疾病和制定適當(dāng)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(huì)因使用化學(xué)品而增加額外的勞動(dòng)力和成本。
光聲組織學(xué) (PAH) 技術(shù)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(shí)產(chǎn)生的聲音 (超聲波) 信號來生成圖像，從而無需染色和標(biāo)記。然而，PAH 會(huì)向病理學(xué)家呈現(xiàn)不熟悉的圖像，使解釋和診斷變得復(fù)雜，并導(dǎo)致準(zhǔn)確性相對較低。
在這項(xiàng)研究中，研究人員將 PAH 與能夠?qū)θ梭w組織圖像進(jìn)行虛擬染色、分割和分類的尖端深度學(xué)習(xí)模型相結(jié)合。
首先，虛擬染色步驟將包含細(xì)胞核和細(xì)胞質(zhì)的黑白未標(biāo)記圖像轉(zhuǎn)換為模擬染色樣本的圖像。此步驟旨在生成與實(shí)際染色樣本相似的圖像，同時(shí)保留組織結(jié)構(gòu)，并使用可解釋的深度學(xué)習(xí)方法來提高虛擬染色結(jié)果的可靠性。
接下來，在分割階段，使用未標(biāo)記圖像和虛擬染色數(shù)據(jù)來分割樣本的特征，例如細(xì)胞面積、細(xì)胞計(jì)數(shù)和細(xì)胞間距離。最后，在分類階段，該模型使用未標(biāo)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(jìn)行分類。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！