基于ai开发方法来取代化学染色的组织

东芬兰大学的研究人员,图尔库大学和坦佩雷大学开发了一个基于人工智能的方法对虚拟染色的组织病理学组织样本作为北欧ABCAP财团的一部分。化学染色组织病理学研究的基石已经一个多世纪以来,广泛应用于例如,癌症诊断。

“化学染色使几乎透明的形态,低对比度组织部分可见。没有它,分析组织对人类的视觉形态几乎是不可能的。化学染色是不可逆转的,在大多数情况下,它可以防止使用相同的样本为其他实验或测量,“大学生物医学研究所的研究员和副主任芬兰Leena Latonen东部大学领导这项实验研究的一部分。

人工智能方法在本研究开发生产计算图像非常接近于实际产生的化学染色过程。这几乎彩色图像可以用于检查组织的形态。虚拟染色所需的化学负担和体力劳动减少了样品处理,同时也使组织用于其他目的的使用比染色本身。

的强度提出了虚拟染色法,它不需要特殊的硬件或基础设施除了普通光学显微镜和一个合适的电脑。

“结果非常广泛适用。有很多话题的后续研究,计算方法仍然可以得到改善。然而,我们已经可以预见几个应用领域虚拟染色可以在组织病理学产生重大影响,”说副教授Pekka Ruusuvuori图尔库大学的,领导计算研究的一部分。

开创性的研究与国际资金

的一个关键因素使研究财团的资金从ERAPerMed获得联合跨国电话。ABCAP财团由北欧研究小组开发基于人工智能诊断乳腺癌的个性化医疗和由ERAPerMed,北欧芬兰癌症联盟和学院。Latonen和Ruusuvuori带领自己的子项目。

“这是真正的跨学科研究。没有财团的资金,这将是很难找到足够的资源实验室工作和计算努力使这样的研究,“承认Ruusuvuori和Latonen。

跨学科研究是基于专业知识在组织生物学、组织流程、bioimage信息学和人工智能。两阶段的第一部分研究集中在优化组织样本处理和成像步骤,和是由大学的博士研究员Sonja Koivukoski芬兰东部。系统的组织学评估可行性研究中是一个独特的组件。

“利用人工智能计算方法的发展往往缺乏适当的评估可行性从最终用户的角度。这可能会导致方法正在开发和出版但最终没有在实践中使用。因此,尤为重要的是,要把计算和基于域的知识已经在开发阶段,是在我们的研究中,“国家Latonen和Koivukoski。

巨大潜力的计算方法

深层神经网络学习大量数据迅速改变了生物医学图像分析领域。除了传统的图像分析任务,如图像解释,这些方法也适合image-to-image变换。这样一个任务的虚拟染色是一个例子,就像成功工作的两个出版的部分所示。第二部分集中在优化基于生成的虚拟染色敌对的神经网络,与大学的博士研究员Umair汗图尔库的首席开发人员。

“深层神经网络能够执行在一个层面上,我们无法想象。基于人工智能的虚拟染色可以产生重大影响对更有效的样本处理组织病理学,”汗说。

除了人工智能算法,成功的关键是通过CSC高性能计算服务的可用性。

“在芬兰,我们有一个优秀的基础设施并行高性能计算。这样的计算密集型的研究不可能没有CSC提供的能力,“Ruusuvuori说。

参考:Koivukoski年代,汗U, Ruusuvuori P, Latonen l .清白的组织成像和虚拟苏木精和伊红染色组织学整个幻灯片图像。实验室投资。2023年,103 (5):100070。doi:10.1016 / j.labinv.2023.100070

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。