基于深度学习的利用无标记组织自发荧光进行虚拟组织学染色
计算机视觉与模式识别
2019-03-05 v1 机器学习
医学物理
摘要
组织样本的组织学分析是疾病诊断最广泛使用的方法之一。从患者身上取样后，需经过冗长而繁重的制备过程，对组织进行染色以在显微镜下观察不同的组织学特征。在此，我们展示一种无标记方法，利用未标记组织样本的单张宽场自发荧光图像生成虚拟染色显微图像，从而绕过标准组织化学染色流程，节省时间与成本。该方法基于深度学习，使用经生成对抗网络（GAN）模型训练的卷积神经网络，将未标记组织切片的自发荧光图像转换为等同于同一样本染色版本明场图像的图像。我们通过成功生成人体组织样本（包括唾液腺、甲状腺、肾脏、肝脏和肺组织切片，并涵盖三种不同染色）的虚拟染色显微图像验证了该方法。这种无标记虚拟染色方法消除了繁琐且昂贵的组织化学染色步骤，将显著简化病理学与组织学领域的组织制备。
引用
@article{arxiv.1803.11293,
title = {Deep learning-based virtual histology staining using auto-fluorescence of label-free tissue},
author = {Yair Rivenson and Hongda Wang and Zhensong Wei and Yibo Zhang and Harun Gunaydin and Aydogan Ozcan},
journal= {arXiv preprint arXiv:1803.11293},
year = {2019}
}