环球微资讯！研究人员开发了一种基于人工智能的方法来替代组织的化学染色

2023-04-15 09:04:19来源：聚焦网

(资料图)

来自东芬兰大学、图尔库大学和坦佩雷大学的研究人员开发了一种基于人工智能的方法，作为北欧 ABCAP 联盟的一部分，对组织病理学组织样本进行虚拟染色。一个多世纪以来，化学染色一直是研究组织病理学的基石，并广泛应用于癌症诊断等领域。

“化学染色使几乎透明、低对比度组织的形态切片的形态可见。没有它，分析组织形态对于人类视觉来说几乎是不可能的。化学染色是不可逆的，并且在大多数情况下，它可以防止使用相同的样本进行检测其他实验或测量，”东芬兰大学生物医学研究所的大学研究员和副主任 Leena Latonen 说，他领导了这项研究的实验部分。

本研究开发的人工智能方法产生的计算图像与实际化学染色过程产生的图像非常相似。然后可以使用这种虚拟染色的图像来检查组织的形态。虚拟染色减少了样品处理所需的化学负担和人工工作，同时还可以将组织用于染色本身以外的其他目的。

拟议的虚拟染色方法的优势在于，除了常规光学显微镜和合适的计算机外，它不需要特殊的硬件或基础设施。

“结果的适用范围非常广泛。后续研究的主题很多，计算方法仍有待改进。但是，我们已经可以设想虚拟染色可以对组织病理学产生重大影响的几个应用领域，”说来自图尔库大学的副教授 Pekka Ruusuvuori 领导了这项研究的计算部分。

计算方法的巨大潜力

从大量数据中学习的深度神经网络迅速改变了生物医学图像分析领域。除了图像解释等传统图像分析任务外，这些方法还非常适用于图像到图像的转换。虚拟染色是此类任务的一个示例，正如该作品已发布的两个部分所成功展示的那样。第二部分侧重于基于生成对抗神经网络优化虚拟染色，由图尔库大学的博士研究员 Umair Khan 担任首席开发人员。

“深度神经网络能够达到我们之前无法想象的水平。基于人工智能的虚拟染色可以对组织病理学中更有效的样本处理产生重大影响，”Khan 说。

除了人工智能算法之外，成功的关键是通过 CSC 提供高性能计算服务。

“在芬兰，我们拥有出色的并行高性能计算基础设施。没有 CSC 提供的能力，就不可能进行像这样的计算密集型研究，”Ruusuvuori 说。