Πώς μπορεί η υπερφασματική απεικόνιση να επιτρέψει στις παθολογικές τομές να αποχαιρετήσουν τη χρώση; Αυτή η έρευνα παρέχει μια νέα διαδρομή

Στην παραδοσιακή παθολογική διάγνωση, ένα δείγμα ιστού καρκίνου του μαστού χρειάζεται να υποβληθεί σε περισσότερες από δέκα διαδικασίες όπως σταθεροποίηση, ενσωμάτωση, διατομή και χρωματισμός.Από την παράδοση του δείγματος έως την έκδοση της έκθεσηςΚατά το στάδιο της ενδοχειρουργικής κατάψυξης, οι ασθενείς συχνά πρέπει να περιμένουν σε κατάσταση αναισθησίας.Και η μείωση αυτού του χρόνου είναι ζωτικής σημασίας για την ασφάλεια της χειρουργικής επέμβασης..

Μια μελέτη που δημοσιεύθηκε πρόσφατα στο "Scientific Reports" επιχειρεί να χρησιμοποιήσει ένα "ελεύθερο από ετικέτες,"απαλλαγμένη από λεκέ" τεχνική πορεία σε συνδυασμό με αλγορίθμους βαθιάς μάθησης για να παρέχει μια νέα λύση σε αυτό το κλινικό σημείο πόνου.

Όταν οι παθολογικές εικόνες "χάσουν" χρώμα

Οι παθολογικές εικόνες με τις οποίες είμαστε εξοικειωμένοι παρουσιάζονται συνήθως σε μπλε-ιωβένιους τόνους μετά τη χρωματισμό H&E, με σαφή όρια μεταξύ του κυτταρικού πυρήνα και του κυτοπλάσματος.Η τεχνολογία μικροσκοπικής υπεροχθρικής απεικόνισης (MHSI) μπορεί να αποκτήσει 128 ζώνες φασματικών πληροφοριών από το ορατό φως έως το κοντινό υπέρυθρο (397-1032 nm) με τη σάρωση τμημάτων ιστών χωρίς χρωματισμό.

Η άμεση πρόκληση που προκαλεί αυτή η κατάσταση "χωρίς λεκέδες" είναι: οι εικόνες δεν έχουν μορφολογική αντίθεση, καθιστώντας δύσκολη την άμεση ερμηνεία από το ανθρώπινο μάτι.Το πλεονέκτημα των υπερ-ειδικών δεδομένων έγκειται στο γεγονός ότι καταγράφει συνεχείς φασματικές καμπύλες για κάθε σημείο των pixel, και διαφορετικά βιοχημικά συστατικά (όπως πρωτεΐνες, λιπίδια, νουκλεϊκά οξέα) θα παρουσιάζουν διαφοροποιημένα χαρακτηριστικά αντανάκλασης σε συγκεκριμένα μήκη κύματος.Πώς να εξαχθεί η πληροφορία με διαγνωστική αξία από τέτοια υψηλής διάστασης και αδύναμα μορφολογικά δεδομένα έχει γίνει ένα νέο θέμα στην υπολογιστική παθολογία.

Μετατροπή της "διάγνωσης τομής" σε "μαθήματα πολλαπλών περιπτώσεων"

Η ερευνητική ομάδα κατασκεύασε ένα υπερ- φασματικό σύνολο δεδομένων που περιείχε 468 τμήματα ιστών από 60 ασθενείς με καρκίνο του μαστού.Διαφορετικές από τις παραδοσιακές μεθόδους που πραγματοποιούν πρόβλεψη σε ένα σημείο σε τοπικά οπτικά πεδία, οι ερευνητές μοντελοποίησαν την παθολογική διάγνωση ως πρόβλημα Multi-Instance Learning (MIL): αντιμετωπίζοντας ένα ολόκληρο τμήμα ιστού ως "σακούλα","και οι φασματικοί κύβοι που συλλέχθηκαν από 20 διαφορετικές περιοχές στο τμήμα ως "υποθέσεις" μέσα στην τσάνταΤο μοντέλο πρέπει να συνθέσει τις πληροφορίες όλων των περιπτώσεων για να παράγει το αποτέλεσμα της διάγνωσης για ολόκληρο το τμήμα.

Η προσέγγιση αυτή είναι πιο κοντά στην πραγματική λογική ανάγνωσης εικόνας των παθολόγων, οι οποίοι αρχικά περιηγηθούν παγκοσμίως με μικροσκόπιο χαμηλής ισχύος και στη συνέχεια επικεντρώνονται σε ύποπτες περιοχές για ολοκληρωμένη κρίση.

Πολυεπίπεδης μηχανισμός "εστίασης"

Στόχος των χαρακτηριστικών των υπερσποκτρικών δεδομένων, η ομάδα πρότεινε ένα Δίκτυο Ιεραρχικής Προσοχής Πολλαπλής Κλίμακας (MS-HAN), του οποίου ο βασικός σχεδιασμός περιλαμβάνει τρία βασικά επίπεδα:

1.Η εξαγωγή χαρακτηριστικών σε πολλαπλή κλίμακα αντλεί διδάγματα από τη δομή Inception, χρησιμοποιώντας διαφορετικά μεγέθη πυρήνων σύμπλεξης παράλληλα στην ίδια χωρική ανάλυση για την εξαγωγή χαρακτηριστικών,έτσι ώστε να συλλέγονται πληροφορίες πολυ-σφαιριότητας από λεπτές φασματικές διαφορές σε τοπικά μοτίβα υφής.

2Ο μηχανισμός διπλής προσοχής αρχικά μοντελοποιεί ρητά τις εξαρτήσεις μεταξύ των ζώνων μέσω της προσοχής του φασματικού καναλιού, δίνοντας υψηλότερα βάρη στις ζώνες με πλουσιότερες πληροφορίες.στη συνέχεια παράγει ένα διμερές χάρτη θερμότητας μέσω της χωρικής προσοχής για την εντοπισμό περιοχών με διαγνωστική αξία από την άποψη της κυτταρικής μορφολογίας χωρίς να βασίζεται στην σήμανση σε επίπεδο pixel.

3Για την αντιμετώπιση της υψηλής μεταβλητότητας εντός της τάξης στα βιολογικά φάσματα, το μοντέλο εισάγει ένα σύνολο εκπαιδευόμενων "βοκτόρων πρωτοτύπου", που είναι ταυτόχρονα ταυτόχρονα ταυτόχρονα και ταυτόχρονα και ταυτόχρονα και τα δύο." που αναθέτει χαρακτηριστικά υποδείγματος σε αυτά τα πρωτότυπα, και αποτρέπει την κατάρρευση τρόπου περιορίζοντας την εντροπία της κατανομής χρήσης πρωτοτύπου.ένας μηχανισμός αυτοεστίασης χρησιμοποιείται για να μοντελοποιήσει τις εξαρτήσεις μεταξύ διαφορετικών περιοχών εντός του τμήματος, η εκπροσώπηση ολόκληρου του τμήματος μέσω της συγκέντρωσης της προσοχής.

Με ελαφρώς εποπτευόμενη εκπαίδευση που χρησιμοποιεί μόνο ετικέτες επιπέδου τμήματος, το μοντέλο πέτυχε ακρίβεια 86,7% και AUC 0,92 σε ανεξάρτητο σύνολο δοκιμών (94 τμήματα),που παρουσιάζουν στατιστικά σημαντική βελτίωση σε σύγκριση με τα βασικά μοντέλα MIL όπως το TransMIL και το CLAM.

Παράλειψη του σταδίου χρωματισμού και συμπίεση του χρόνου κόστους

Η βάση αυτής της έρευνας δεν είναι να αντικαταστήσει τους παθολόγους, αλλά να διερευνήσει μια ροή εργασίας της "οπτικής διατομής" συν τον "πρωτογενή έλεγχο τεχνητής νοημοσύνης"." Η παράλειψη του βήματος χρωματισμού δεν σημαίνει μόνο μείωση του κόστους των αντιδραστηρίων και των καταναλωτικών υλικώνΓια σενάρια ευαίσθητα στο χρόνο, όπως η ενδοχειρουργική κατάψυξη, η μέθοδος αυτή μπορεί να χρησιμοποιηθεί για την αντιμετώπιση των διαταραχών που προκύπτουν από τη λήψη δειγμάτων και την ψηφιακή διάγνωση.Αυτή η λειτουργία "cut-scan-analyze" αναμένεται να μειώσει τον χρόνο αναμονής για τους ασθενείς υπό αναισθησία..

Η κλίμακα των 60 περιπτώσεων του ενιαίου κέντρου είναι σχετικά περιορισμένη.και της απόδοσης του μοντέλου ενάντια στα τεχνουργήματα προετοιμασίαςΤο κόστος του υλικού του υπερσπεκτρικού εξοπλισμού απεικόνισης είναι υψηλό.Και η μετάβαση από το εργαστήριο στα τυπικά τμήματα παθολογίας εξακολουθεί να απαιτεί σκέψεις σε επίπεδο μηχανικής και οικονομίας υγείας..