網站首頁

                                            產品中心

                                            智能終端處理器 智能云服務器 軟件開發環境

                                            新聞中心

                                            關于NG體育

                                            公司概況 核心優勢 核心團隊 發展歷程

                                            聯系NG體育

                                            官方微信 官方微博
                                            主頁 > 新聞中心

                                            NG體育不用技術人員也能進行特殊染色?AI在病理學中的又一大應用

                                            發布時間:2024-03-08 22:03瀏覽次數: 來源于:網絡

                                              NG體育組織學分析用于診斷多種疾病,被認為是病理學的黃金標準診斷方法之一。而組織學染色是病理診斷工作流程的關鍵環節,通過促進不同組織成分之間的顏分,為鏡下組織病理提供不同對比度和顯色效果。一些公認的常用染色劑,如蘇木素伊紅 (H&E),已經有100多年的使用歷史。

                                              組織學染色過程首先需要將固定的組織標本切成 2-10μm 的薄切片,然后將其固定在顯微鏡載玻片上,這些病理學切片包含有關組織病理狀態的微觀信息。然而,這種薄切片是透明的,并且在標準光學顯微鏡下不能提供足夠的對比度。因此,組織化學利用標本的細胞和亞細胞化學環境將特殊發色團與特定組織成分結合起來,在可見光顯微鏡下產生顏色對比,形成病理醫生診斷組織標本異常的基礎。

                                              組織學染色是一個耗時和勞動密集型的過程,并且需要專門的實驗室基礎設施、化學試劑以及訓練有素的技術人員。此外,在許多臨床病例中,為了得到更清晰的診斷圖像,往往需要額外的特殊染色來為不同的組織成分提供額外的對比和顏色。這些特殊的染色劑通常需要較長的組織準備時間、工作程序和組織技術專家的監測,所有這些都增加了疾病診斷的成本和時間。尤其是在病理醫生檢查完H&E染色組織后再確定需要這些額外的特殊染色時,要重復進行切片和染色程序,這既是資源、材料方面的浪費,若急需診斷,還會給醫療系統和患者帶來負擔。

                                              此外,目前使用的染色方法并不能保存原始的組織樣品,每一步處理都可能會對組織樣本造成不可逆轉的影響。這對于高級分子分析來說是一種限制,因為分析過程需要在初始染色過程之后對相同的組織樣品進行。保存不下原始組織樣本使得高級分子分析任務難以執行。

                                              為避免傳統染色方法的弊端,加州大學洛杉磯分校的研究人員開發了一種由人工智能驅動的計算技術,通過對組織圖像進行虛擬重染,這比人工執行的特殊染色速度更快,而且準確度一樣高。

                                              該技術可將先前用 H&E 染色的組織圖像轉換為添加了特殊染色劑的新圖像。每個組織樣本的處理過程不到一分鐘,而人類專家則需要幾個小時甚至一天以上的時間來處理。這種速度差異能夠使需要特殊染色的組織樣本得到更快的初步診斷,同時還顯著節省了成本。Nature Communications今年8月發表一項研究,概述了這項新技術及其影響。

                                              “我們開發了一種基于深度學習的技術,無需組織技術人員進行特殊染色?!毖芯控撠熑薃ydogan Ozcan說,他是加州大學洛杉磯分校 Samueli 工程學院電氣和計算機工程系工程創新教授,也是加州納米系統研究所(CNSI)副主任?!霸谠\斷排斥反應等病例時,提高速度和準確性尤為重要,因為快速、準確的診斷有助于快速治療,從而可能大大改善臨床結果?!?/p>

                                              Ozcan 團隊通過生成用于腎臟組織的一整套特殊染色劑(過碘酸希夫(PAS)、瓊斯銀染色劑(JMS)和馬森三色染色劑(MT))來展示這項基于人工智能的技術。

                                              基于深度學習將組織切片H&E染色圖像進行虛擬特殊染色:H&E染色采用深度神經網絡數字化轉化為特殊的染色劑:(i)生成JMS(紫色箭頭);(ii) 生成MT(紅色箭頭);(iii) 生成PAS(藍色箭頭)。

                                              利用專門的深度神經網絡訓練現有的H&E染色組織活檢圖像,研究人員能夠在各種臨床樣本上虛擬地生成這些特殊的染色,覆蓋了廣泛的腎臟疾病。一個由多機構認證的腎臟病理學家組成的團隊隨后進行了一項臨床評估,以確定虛擬染色到染色轉化技術的有效性。他們發現,與僅使用 H&E 染色的活檢圖像相比,使用虛擬生成的特殊染色在診斷上取得了統計學上的顯著改善。另一項研究還表明,虛擬重染圖像的質量在統計上與人類專家用特殊染色處理的圖像相當。

                                              深度神經網絡用于生成染色轉換網絡的訓練數據:a.可以生成 H&E 和特殊染色圖像的虛擬染色網絡(粉紅色箭頭)。b.樣式傳輸網絡(綠色箭頭),僅用于擴充訓練數據。c.用于訓練染色轉換網絡的方案。

                                              在訓練期間,染色轉換網絡被隨機給定,虛擬染色的 H&E 組織或經過八種樣式轉換后相同視野的圖像則是作為傳輸網絡。完美匹配的虛擬染色組織圖像與所需的特殊染色(在此示例中顯示為:PAS)用作訓練此神經網絡的基礎數據。

                                              此外,由于該技術應用于現有的H&E染色圖像,研究人員強調,該技術易于采用,因為它不需要改變目前病理實驗室使用的組織處理流程,并且對組織的化學處理較少,不需要去染和重新染色。這也是相較于近幾年提出的其它染色轉換方法的獨特優勢。

                                            下一篇:NG體育民生證券:AI驅動生產力大變革 看好人工智能疊加信創所帶來的市場機遇
                                            上一篇:醫聊新勢力 上海長征醫院:NG體育智慧影像助力健康中國加碼提速

                                            咨詢我們

                                            輸入您的疑問及需求發送郵箱給我們

                                            欧美洲精品A片