利用无标记组织的微结构多重虚拟染色进行组织学染色的数字合成

组织学染色是用于诊断多种疾病的关键步骤，一个多世纪以来一直用于为组织切片提供对比度，使组织成分可见以供医学专家显微分析。然而，该过程耗时、费力、昂贵且破坏标本。最近，使用组织染色特异性深度神经网络，已展示出对未标记组织切片进行虚拟染色、完全避免组织化学染色步骤的能力。在此，我们提出一种新的基于深度学习的框架，其利用无标记组织生成虚拟染色图像，其中不同染色根据用户定义的微结构图进行合并。该方法使用单个深度神经网络，在其输入接收两种不同信息源：（1）无标记组织样本的自体荧光图像，以及（2）代表拟在同一组织切片上虚拟生成的不同染色所需显微图的数字染色矩阵。该数字染色矩阵也用于虚拟混合现有染色，数字合成新的组织学染色。我们使用未标记的肾脏组织切片训练并盲测了该虚拟染色网络，以生成苏木精和伊红（H&E）、Jones银染和Masson三色染色的微结构组合。使用单一网络，该方法对无标记组织进行多种类型染色的多重虚拟染色，并为合成可在同一组织横截面上创建的新数字组织学染色铺平道路，而这是标准组织化学染色方法目前无法实现的。