組織病理學(xué)檢查，作為研究組織結(jié)構(gòu)病理變化的黃金標(biāo)準(zhǔn)，對(duì)疾病診斷有著無法取代的重要作用。通過光學(xué)顯微鏡對(duì)載玻片上染色的薄組織切片進(jìn)行觀察，病理專家能準(zhǔn)確搜尋到組織病變的關(guān)鍵特征，并依此對(duì)疾病進(jìn)行診斷和分級(jí)。然而，制備染色切片的繁復(fù)流程會(huì)極大限制醫(yī)生的診斷效率，這導(dǎo)致術(shù)中的病理評(píng)估往往不能兼顧速度與質(zhì)量。為解決此問題，研究者們發(fā)展了新興的虛擬染色成像技術(shù)［1］，旨在省略傳統(tǒng)染色切片的制備流程，轉(zhuǎn)而借助無標(biāo)記顯微技術(shù)和深度學(xué)習(xí)來獲取同樣的染色切片圖像，以滿足術(shù)中實(shí)時(shí)病理診斷的需求。

虛擬染色技術(shù)初期以顏色映射方法為主，通過構(gòu)建一個(gè)像素到像素的映射，將每個(gè)像素收集到的非線性信號(hào)強(qiáng)度值轉(zhuǎn)化為對(duì)應(yīng)染劑的RGB顏色值。這種方法簡(jiǎn)單快捷，但忽略了圖像內(nèi)部的紋理信息，構(gòu)建的偽染色圖像質(zhì)量遠(yuǎn)遠(yuǎn)落后于真染色切片，對(duì)于H＆E之外的染劑尤為如此�，F(xiàn)今，得益于計(jì)算機(jī)硬件的發(fā)展，深度神經(jīng)網(wǎng)絡(luò)等人工智能概念被廣泛應(yīng)用到虛擬染色技術(shù)中。不同于顏色映射方法，深度的卷積神經(jīng)網(wǎng)絡(luò)能感知到圖像整體的結(jié)構(gòu)和脈絡(luò)，常用于處理各種困難的機(jī)器視覺任務(wù)。

基于深度學(xué)習(xí)的虛擬染色技術(shù)需要事先獲取用以訓(xùn)練網(wǎng)絡(luò)的樣本。組織樣品的無標(biāo)記自熒光圖像作為輸入，隨后制備的染色切片的明場(chǎng)圖像作為期望的輸出。此神經(jīng)網(wǎng)絡(luò)的具體訓(xùn)練流程如圖1所示，首先，為了準(zhǔn)確匹配輸入和輸出，大量的圖像配準(zhǔn)工作是必不可少的。通過對(duì)明場(chǎng)圖像平移，旋轉(zhuǎn)和放縮，可以得到粗略的剛性配準(zhǔn)圖像。然后，使用剛性配準(zhǔn)圖像初步訓(xùn)練出粗略的虛擬染色圖像，并將其用于更精確的彈性配準(zhǔn)。最后，將彈性配準(zhǔn)圖像用于最終神經(jīng)網(wǎng)絡(luò)或?qū)�抗網(wǎng)絡(luò)的訓(xùn)練，便可確保網(wǎng)絡(luò)生成清晰且準(zhǔn)確匹配組織化學(xué)染色分布的圖像，如圖2所示。

圖1 用于虛擬染色的深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練流程圖

圖2 虛擬H＆E染色圖像與對(duì)應(yīng)的傳統(tǒng)組織病理學(xué)H＆E圖像

除了實(shí)時(shí)而精確的病理診斷，基于深度學(xué)習(xí)的虛擬染色技術(shù)還會(huì)帶來許多額外的優(yōu)勢(shì)。比如，這種技術(shù)允許從同一切片生成多種虛擬染色劑，以便更好地突出相關(guān)診斷的不同特征。如圖3所示，無標(biāo)記組織的同一部分被H＆E、馬森三色、瓊斯三種染劑虛擬染色，病理學(xué)家從中能很方便地整合腎小管間質(zhì)的信息：H＆E染色能顯示腎小管間質(zhì)炎癥，馬森三色可揭示間質(zhì)的纖維化，而瓊斯染劑更善于顯現(xiàn)腎小管萎縮。除非反復(fù)清洗原有染劑并重新染色相同的樣本，傳統(tǒng)的組織病理學(xué)完全不能實(shí)現(xiàn)類似的功能。此外，如圖4所示，相較于技術(shù)人員參差不齊的人工染色技術(shù)，深度神經(jīng)網(wǎng)絡(luò)始終會(huì)執(zhí)行風(fēng)格完全一致的染色，這將方便病理學(xué)家對(duì)染色圖像進(jìn)行標(biāo)準(zhǔn)化。

圖3 同一組織切片的不同虛擬染色圖像：H＆E，馬森三色，瓊斯染色。

圖4 基于技術(shù)人員的傳統(tǒng)染色圖像和基于神經(jīng)網(wǎng)絡(luò)的虛擬染色圖像的風(fēng)格變化

綜上所述，虛擬染色技術(shù)不僅能顯著減少病理評(píng)估的工作流程和實(shí)驗(yàn)室運(yùn)營(yíng)成本，還支持少量組織材料的多染色并行處理，使病理專家和臨床醫(yī)生得以更快速地制訂治療方案并大幅縮短治療時(shí)間。伴隨著大規(guī)模的臨床試驗(yàn)，該技術(shù)勢(shì)必將作為組織病理學(xué)診斷的新途徑，不斷推動(dòng)著病理學(xué)的數(shù)字化進(jìn)程。

參考文獻(xiàn)：

［1］ Y． Rivenson， K． de Haan， W． D． Wallace， A． Ozcan． Emerging Advances to Transform Histopathology Using Virtual Staining． BME Frontiers 2020， 1–11 （2020）．

       原文標(biāo)題 : 多光子顯微鏡成像技術(shù)之十八 虛擬染色成像技術(shù)