未标记尸检组织的虚拟组织学染色

组织学检查是尸检中的关键步骤；然而，死后样本的传统组织化学染色面临多重挑战，包括因尸体组织固定延迟引起的自溶所导致的染色质量较差，以及覆盖大面积组织的化学染色程序耗费大量资源，需要大量的劳动力、成本和时间。在全球卫生危机期间，当组织病理学服务的可用性受限时，这些挑战可能变得更加突出，导致组织固定进一步延迟以及更严重的染色伪影。在此，我们报道了尸检组织虚拟染色的首次演示，并表明训练好的神经网络能够快速将无标记尸检组织切片的自身荧光图像转换为与相同样本的苏木精和伊红（H&E）染色版本相匹配的明场等效图像，从而消除传统尸检组织组织化学染色中固有的自溶引起的严重染色伪影。我们的虚拟 H&E 模型使用 >0.7 TB 的图像数据以及一种将数据高效的协作方案（该方案将虚拟染色网络与图像配准网络相集成）进行训练。该训练好的模型有效突出了经历严重自溶的新尸检组织样本（例如前所未见的 COVID-19 样本）中的细胞核、细胞质和细胞外特征，而传统组织化学染色无法提供一致的染色质量。这种虚拟尸检染色技术也可扩展到坏死组织，并且尽管存在严重自溶和细胞死亡，仍能快速且经济高效地生成无伪影的 H&E 染色，同时减少与标准组织化学染色相关的劳动力、成本和基础设施需求。