基于深度学习的冰冻切片至FFPE图像转换
图像与视频处理
2021-11-03 v3 计算机视觉与模式识别
摘要
冰冻切片（FS）是手术中组织显微评估的首选制备方法。该过程的高速度使病理学家能够快速评估关键显微特征，如肿瘤切缘和恶性状态，以指导手术决策并最小化对手术进程的干扰。然而，FS易引入许多误导性人工结构（组织学伪影），如细胞核冰晶、压迫和切割伪影，阻碍病理学家及时准确的诊断判断。通常需要额外训练和长期经验才能在冰冻切片上做出高效且时间紧迫的诊断。另一方面，福尔马林固定石蜡包埋（FFPE）的金标准组织制备技术提供显著更优的图像质量，但过程非常耗时（12-48小时），使其不适用于术中应用。在本文中，我们提出一种人工智能（AI）方法，通过在数分钟内将冰冻切片全切片图像（FS-WSIs）计算转换为全切片FFPE风格图像来改善FS图像质量。AI-FFPE在注意力机制引导下纠正FS伪影，该机制特别关注伪影，同时利用FS输入图像与合成FFPE风格图像之间建立的自正则化机制来保留临床相关特征。因此，AI-FFPE方法成功生成FFPE风格图像，且不显著延长组织处理时间，从而提高诊断准确性。我们使用多种定性与定量指标（包括来自20位认证病理学家的人工视觉图灵测试）在肺和脑冰冻切片上证明了AI-FFPE的有效性。
引用
@article{arxiv.2107.11786,
title = {Deep Learning-based Frozen Section to FFPE Translation},
author = {Kutsev Bengisu Ozyoruk and Sermet Can and Guliz Irem Gokceler and Kayhan Basak and Derya Demir and Gurdeniz Serin and Uguray Payam Hacisalihoglu and Emirhan Kurtuluş and Berkan Darbaz and Ming Y. Lu and Tiffany Y. Chen and Drew F. K. Williamson and Funda Yilmaz and Faisal Mahmood and Mehmet Turan},
journal= {arXiv preprint arXiv:2107.11786},
year = {2021}
}