研究:深度学习显微镜成像厚组织，扩大视野深度
当外科医生切除癌症时，第一个问题是，“他们都切除了吗?美国莱斯大学和德克萨斯大学安德森癌症中心的研究人员发明了一种新型显微镜，它可以快速而廉价地为大组织切片成像，有可能在手术过程中找到答案。
这种显微镜可以快速成像细胞分辨率相对较厚的组织，并允许外科医生在切除肿瘤的几分钟内检查肿瘤边缘。它是由莱斯大学的工程师和应用物理学家发明的，本周发表在《美国国家科学院院刊》(Proceedings of the National Academy of Sciences)上的一项研究对此进行了描述。
“The手术的主要目标是消除所有的癌细胞,但知道如果你有一切的唯一方法是看在显微镜下肿瘤,” Rice’s玛丽金说,他是电气和计算机工程的博士学位和研究的联合作者。“今天，你只能先把组织切片成非常薄的切片，然后分别成像。这种切片过程需要昂贵的设备，随后的多片成像是耗时的。我们的项目基本上是寻求直接成像大组织切片，没有任何切片。”
一种名为DeepDOF的新型显微镜使用人工智能技术，以最少的准备就能快速、廉价地在大组织切片(左图)中对所有细胞进行高分辨率成像，省去了将薄组织切片安装在载玻片上的昂贵和耗时过程(右图)。(摄影:布兰登·马丁/莱斯大学)
rice’的深度学习扩展景深显微镜(deep -of-field – depth-of-field microscope，简称DeepDOF)利用一种被称为深度学习的人工智能技术来训练计算机算法来优化图像采集和图像后处理。
对于典型的显微镜来说，空间分辨率和景深之间需要权衡，这意味着只有距离镜头相同的物体才能清晰地对焦。即使是距离显微镜’物镜的百万分之几米远或近的特征也会变得模糊。由于这个原因，显微镜样本通常是薄的，并安装在玻片之间。
目前，玻片用于检查肿瘤边缘，而且不容易准备。被移除的组织通常会被送到医院的实验室，在那里，专家们要么将其冷冻，要么用化学物质对其进行预处理，然后制作出极薄的切片，并将其安装在载玻片上。这个过程很耗时，需要专门的设备和受过熟练训练的工人。在手术过程中，医院有能力检查肿瘤边缘的幻灯片是很少见的，世界上许多地方的医院缺乏必要的设备和专业知识。
该研究的合著者，安德森头颈外科教授，医学博士Ann Gillenwater说，自100多年前首次引进以来，目前用于手术中边缘状态评估的准备组织的方法并没有发生重大变化。通过将精确评估切缘状态的能力带到更多的治疗部位，DeepDOF有潜力改善癌症患者接受手术治疗的结果
莱斯大学工程研究人员Yubo唐(左)和玛丽·金是一个团队的成员,使用一种人工智能被称为深度学习训练计算机算法来优化图像采集和图像后处理在一种新型的显微镜图像所有细胞在大型组织部分。(摄影:布兰登·马丁/莱斯大学)
Ashok Veeraraghavan Jin’s博士顾问,研究共同通讯作者,说DeepDOF使用一个标准的光学显微镜结合廉价的光学相位掩模成本不到10美元图像整体的组织和交付depths-of-field 5倍大于today’s先进的显微镜。
传统上，像相机和显微镜这样的成像设备的设计与成像处理软件和算法是分开的，”说，该研究的联合首席作者汤宇波说，他是共同通讯作者Rebecca Richards-Kortum实验室的博士后研究员。“DeepDOF是’s设计的首批带有后处理算法的显微镜之一。”
相位掩模被放置在显微镜’的物镜上，以模块进入显微镜的光线。
成像专家、莱斯大学电子和计算机工程副教授Veeraraghavan说，”显微镜捕获的图像中，调制可以更好地控制深度依赖性模糊。这种控制有助于确保应用于捕获图像的去模糊算法能够比传统显微镜在更广的深度范围内忠实地恢复高频纹理信息
Ashok Veeraraghavan(图片由莱斯大学提供)
他说，DeepDOF在不牺牲空间分辨率的情况下做到了这一点。
” Veeraraghavan表示，事实上，相位掩模模式和去模糊算法的参数都是通过深度神经网络学习的，这使我们能够进一步提高性能。
DeepDOF使用了一种深度学习神经网络，这是一种专家系统，可以通过研究大量数据来学习做出类似人类的决定。为了训练DeepDOF，研究人员向它展示了来自组织切片数据库的1200张图像。DeepDOF学会了如何为特定样本选择最佳的相位掩模，还学会了如何消除从样本捕获的图像中的模糊，使不同深度的细胞聚焦。
” Veeraraghavan表示，一旦选定的相位掩模被打印并集成到显微镜中，系统一次性捕获图像，ML(机器学习)算法进行模糊处理。
马尔科姆·吉利斯大学教授、莱斯360°全球健康研究所所长、生物工程教授表示，DeepDOF可以在短短两分钟内捕捉和处理图像。
丽贝卡·理查兹-科尔图姆(摄影:布兰登·马丁/莱斯大学)
” Richards-Kortum表示，“We’ve验证了该技术，并展示了原理验证。“A需要进行临床研究，以了解DeepDOF是否可以作为手术中切缘评估的建议。我们希望在未来几年开始临床验证
其他合著者包括吴宜诚、杰克逊·库尔(Jackson Coole)、陈美乐(Melody Tan)、赵璇(Xuan Zhao)和莱斯大学(Rice)的雅各布·罗宾逊(Jacob Robinson)，以及MD安德森大学(MD Anderson)的哈拉·巴道维(Hawraa Badaoui)和米歇尔·威廉姆斯(Michelle Williams)。
Veeraraghavan和Robinson都是莱斯神经工程计划的成员。
这项研究得到了美国国家科学基金会、美国国防高级研究计划局、美国国立卫生研究院和美国国家癌症研究所的支持。
新闻旨在传播有益信息，英文原版地址：https://news.rice.edu/2020/12/17/ai-powered-microscope-could-check-cancer-margins-in-minutes-2/