虽然 X 射线、MRI 和 CT 扫描通过消除许多用于诊断内部恶性肿瘤的探索性外科手术的需要改变了临床医学的实践，但用于辅助皮肤癌诊断的成像技术已经落后。目前诊断皮肤病(包括皮肤癌)的标准依赖于侵入性活检，然后进行组织病理学评估，这可能导致不必要的皮肤活检和疤痕、多次就诊和增加医疗保健系统的成本。作为用于皮肤病诊断的新兴无创光学技术之一，反射共聚焦显微镜 (RCM) 提供了一种无需活检的潜在解决方案，可在体内提供具有细胞级分辨率的皮肤结构图像。然而，RCM 图像的输出不是皮肤科医生和病理学家熟悉的格式，并且分析这些图像需要专门的训练，因为 RCM 图像是黑白的，缺乏核特征，与标准相比，显示皮肤组织内的不同平面组织学。
最近，加州大学洛杉矶分校的一组研究人员使用深度学习框架将未经活检获得的完整皮肤的 RCM 图像转换为在显微镜载玻片上成像的活检、组织化学染色的皮肤切片图像。他们使用生成对抗方案训练了一个卷积神经网络，以将未染色皮肤的体内RCM 图像快速转换为 H&E 的虚拟染色体积图像。这种被团队称为“虚拟组织学”的技术允许分析皮肤的显微图像，绕过用于医学诊断的几个标准步骤，包括皮肤活检、组织固定、处理、切片以及组织化学染色。
发表在Springer Nature 的期刊Light: Science & Applications上，这种新的 3D 虚拟染色框架可以对各种皮肤状况进行虚拟组织学分析，包括正常皮肤、基底细胞癌和带有黑色素细胞的黑色素痣，也覆盖不同的皮肤层，包括表皮层、真皮-表皮连接层和浅表真皮层。未标记皮肤组织的虚拟染色 H&E 图像显示出在活检组织的组织化学染色显微图像中发现的相似颜色对比度和空间特征。这种由深度学习驱动的虚拟组织学方法可以消除侵入性皮肤活检，并使诊断人员能够看到完整皮肤的整体组织学特征，而无需化学处理或组织标记。
这项研究由加州大学洛杉矶分校电气和计算机工程学院校长教授兼 Volgenau 工程创新主席 Aydogan Ozcan 博士与加州大学洛杉矶分校和西洛杉矶 VA 医院皮肤病学和皮肤病理学助理教授 Philip Scumpia 博士合作，以及皮肤科和激光中心(洛杉矶)的皮肤科医生 Gennady Rubinstein 博士。这项工作的其他作者包括李靖西、贾森·加芬克尔、张晓然、吴迪、张益杰、凯文·德哈恩、王宏达、刘泰然、白毕杰和兼职教授 Yair Rivenson 博士。Ozcan 博士还在加州大学洛杉矶分校生物工程和外科部门担任教职，并且是加州纳米系统研究所的副主任。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！