- +1
Light | 綜述:虛擬染色技術(shù)

本文由論文作者團隊(課題組)投稿
組織學(xué)染色是臨床和生命科學(xué)研究中對組織進行研究檢查的主要工具, 其在病理實驗室中被廣泛使用,以協(xié)助評估病理生理學(xué)和進行疾病診斷。
盡管它被廣泛地使用,但標準的組織學(xué)染色流程仍存在種種問題,比如繁雜的制備步驟、較長的周轉(zhuǎn)時間、高成本和不穩(wěn)定的染色結(jié)果。
虛擬染色是一種基于深度學(xué)習(xí)的用計算機數(shù)字化地生成組織學(xué)染色的方法,具有顛覆傳統(tǒng)組織學(xué)染色流程的潛力。虛擬染色消除了對化學(xué)染色的需求,為傳統(tǒng)的染色方法提供了一種更加快速、經(jīng)濟和準確的替代方案,這有可能提高診斷的準確性和速度,從而改善患者的治療結(jié)果并降低醫(yī)療成本。
加州大學(xué)洛杉磯分校Aydogan Ozcan教授的研究小組最近發(fā)表了一篇關(guān)于這種新興虛擬染色技術(shù)的綜述文章,全面介紹了虛擬染色領(lǐng)域的最新進展。
該文章以“Deep Learning-enabled Virtual Histological Staining of Biological Samples”為題發(fā)表在Light: Science & Applications,為學(xué)者、光學(xué)工程師、顯微鏡學(xué)家、計算機科學(xué)家、生物學(xué)家、組織學(xué)家和病理學(xué)家等提供了寶貴的資源。Bijie Bai為本文的第一作者,Aydogan Ozcan為本文的通訊作者。
該文章涵蓋了虛擬染色的基本概念、典型的開發(fā)流程,以及該技術(shù)的未來前景。它還著重討論了該領(lǐng)域部分代表性工作的關(guān)鍵結(jié)果,總結(jié)了這個快速發(fā)展的領(lǐng)域的最新研究進展。
Aydogan Ozcan教授說:“我們相信這篇綜述將作為這個研究領(lǐng)域技術(shù)發(fā)展的圖集,幫助讀者更全面地了解虛擬染色研究領(lǐng)域的進展。我們還希望這篇文章能夠啟發(fā)來自不同科學(xué)領(lǐng)域的讀者進一步擴展這個新興領(lǐng)域的應(yīng)用范圍,并繼續(xù)推動虛擬染色技術(shù)的可能性的界限”。
Ozcan組是加州大學(xué)洛杉磯分校的一個研究小組,致力于為各種應(yīng)用領(lǐng)域開發(fā)創(chuàng)新的光學(xué)成像和分析工具,包括生物醫(yī)學(xué)、診斷學(xué)和環(huán)境監(jiān)測。該小組致力于推進虛擬染色技術(shù),并利用深度學(xué)習(xí)將這一尖端技術(shù)引入數(shù)字病理學(xué)領(lǐng)域。這項研究由擔任UCLA校長教授、Volgenau工程創(chuàng)新主席、霍華德-休斯醫(yī)學(xué)研究所HHMI教授的Aydogan Ozcan博士領(lǐng)導(dǎo)。這項工作的共同作者還包括UCLA電子和計算機工程系的白璧潔、楊西林、李雨竹、張藝杰和Nir Pillar。Ozcan教授還在UCLA的生物工程系和外科系任教,并同時擔任加州納米系統(tǒng)研究所(CNSI)的副所長。他還共同創(chuàng)立了Pictor Labs —— 一家將虛擬染色技術(shù)商業(yè)化的公司。

標準的組織學(xué)染色 vs. 基于深度學(xué)習(xí)的虛擬染色。圖片來源: Ozcan Lab @ UCLA.
| 論文信息 |
Bai, B., Yang, X., Li, Y. et al. Deep learning-enabled virtual histological staining of biological samples. Light Sci Appl 12, 57 (2023).
本文為澎湃號作者或機構(gòu)在澎湃新聞上傳并發(fā)布,僅代表該作者或機構(gòu)觀點,不代表澎湃新聞的觀點或立場,澎湃新聞僅提供信息發(fā)布平臺。申請澎湃號請用電腦訪問http://renzheng.thepaper.cn。





- 報料熱線: 021-962866
- 報料郵箱: news@thepaper.cn
互聯(lián)網(wǎng)新聞信息服務(wù)許可證:31120170006
增值電信業(yè)務(wù)經(jīng)營許可證:滬B2-2017116
? 2014-2025 上海東方報業(yè)有限公司