导读 在组织病理学中,染色剂是一种必不可少的工具,需要在显微镜下研究组织以了解和诊断疾病。简而言之,染色剂是经过精心挑选或精心制作的化学...
在组织病理学中,染色剂是一种必不可少的工具,需要在显微镜下研究组织以了解和诊断疾病。简而言之,染色剂是经过精心挑选或精心制作的化学物质,可粘附在特定的细胞成分上。在显微镜下观察时,它们会通过改变观察到的颜色来帮助用户更轻松地区分细胞结构。
描绘正常和患病组织的染色图像数据集对于训练机器学习模型很有价值,可以帮助医生评估棘手的病例并减轻诊断过程中的个人偏见。为了确保这些模型正常工作,重要的是尽量减少用于训练的图像和它们将在现实场景中分析的图像之间的颜色差异。使用所谓的“领域适应技术”,可以纠正因不同实验室使用的独特实验设置而导致的颜色变化,从而创建更一致、更可比的数据。
在《医学成像杂志》上发表的一项最新研究中,来自美国北卡罗来纳大学教堂山分校的研究人员提出了一种新颖的领域适应技术。这种方法被称为染色同时增强和规范化 (Stain SAN),它可以帮助使染色组织病理学图像数据集对许多新兴的基于机器学习的分类系统更有用,最终导致诊断工具的改进。
标签:
免责声明:本文由用户上传,如有侵权请联系删除!