導讀 由浦項科技大學金哲弘教授和韓國天主教大學首爾圣母醫(yī)院鄭燦權教授領導的合作研究團隊開發(fā)了一種人工智能 (AI) 系統(tǒng)，用于分析人類肝癌組...
由浦項科技大學金哲弘教授和韓國天主教大學首爾圣母醫(yī)院鄭燦權教授領導的合作研究團隊開發(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記光聲組織學圖像。他們的研究最近發(fā)表在《光：科學與應用》上。
組織病理學是診斷疾病和制定適當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，這會因使用化學品而增加額外的勞動力和成本。
光聲組織學 (PAH) 技術已經(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) 照射時產(chǎn)生的聲音 (超聲波) 信號來生成圖像，從而無需染色和標記。然而，PAH 會向病理學家呈現(xiàn)不熟悉的圖像，使解釋和診斷變得復雜，并導致準確性相對較低。
在這項研究中，研究人員將 PAH 與能夠?qū)θ梭w組織圖像進行虛擬染色、分割和分類的尖端深度學習模型相結(jié)合。
首先，虛擬染色步驟將包含細胞核和細胞質(zhì)的黑白未標記圖像轉(zhuǎn)換為模擬染色樣本的圖像。此步驟旨在生成與實際染色樣本相似的圖像，同時保留組織結(jié)構(gòu)，并使用可解釋的深度學習方法來提高虛擬染色結(jié)果的可靠性。
接下來，在分割階段，使用未標記圖像和虛擬染色數(shù)據(jù)來分割樣本的特征，例如細胞面積、細胞計數(shù)和細胞間距離。最后，在分類階段，該模型使用未標記圖像、虛擬染色圖像和分割數(shù)據(jù)來對組織是否為癌癥進行分類。
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！