基于级联深度神经网络的组织学虚拟染色迁移
医学物理
2022-08-18 v1 计算机视觉与模式识别
机器学习
图像与视频处理
定量方法
摘要
病理诊断依赖于对组织学染色薄组织标本的目视检查，其中应用不同类型的染色以使各种所需组织学特征产生对比并凸显出来。然而，破坏性的组织化学染色过程通常是不可逆的，使得在同一组织切片上获取多种染色非常困难。在此，我们展示了一种通过级联深度神经网络（C-DNN）的虚拟染色迁移框架，将数字化的苏木精和伊红（H&E）染色组织图像转换为其他类型的组织学染色。与仅以一种染色类型作为输入来数字输出另一种染色类型图像的单神经网络结构不同，C-DNN首先使用虚拟染色将自发荧光显微镜图像转换为H&E，然后以级联方式执行从H&E到另一种染色域的染色迁移。这种级联结构在训练阶段允许模型直接利用H&E和目标特殊染色上均经过组织化学染色的图像数据。该优势缓解了配对数据获取的难题，并提高了从H&E到另一种染色的虚拟染色迁移的图像质量和颜色准确性。我们使用肾穿刺活检组织切片验证了该C-DNN方法的优越性能，并成功将H&E染色组织图像迁移为虚拟PAS（periodic acid-Schiff， periodic acid-Schiff）染色。该方法利用现有的组织化学染色切片提供特殊的优质虚拟染色图像，并通过执行高精度的染色间转换在数字病理学中创造新机遇。
引用
@article{arxiv.2207.06578,
title = {Virtual stain transfer in histology via cascaded deep neural networks},
author = {Xilin Yang and Bijie Bai and Yijie Zhang and Yuzhu Li and Kevin de Haan and Tairan Liu and Aydogan Ozcan},
journal= {arXiv preprint arXiv:2207.06578},
year = {2022}
}
备注
14 Pages, 4 Figures, 1 Table