[論文レビュー] Deep learning-based virtual histology staining using auto-fluorescence of label-free tissue

Yair Rivenson, Hongda Wang+4 more|arXiv (Cornell University)|Mar 30, 2018

Cell Image Analysis Techniques参考文献 36被引用数 162

ひとこと要約

この論文は、 unlabeled tissue auto-fluorescence から仮想的に着色された組織学画像を生成する深層学習アプローチを示し、従来の染色を回避します。

ABSTRACT

Histological analysis of tissue samples is one of the most widely used methods for disease diagnosis. After taking a sample from a patient, it goes through a lengthy and laborious preparation, which stains the tissue to visualize different histological features under a microscope. Here, we demonstrate a label-free approach to create a virtually-stained microscopic image using a single wide-field auto-fluorescence image of an unlabeled tissue sample, bypassing the standard histochemical staining process, saving time and cost. This method is based on deep learning, and uses a convolutional neural network trained using a generative adversarial network model to transform an auto-fluorescence image of an unlabeled tissue section into an image that is equivalent to the bright-field image of the stained-version of the same sample. We validated this method by successfully creating virtually-stained microscopic images of human tissue samples, including sections of salivary gland, thyroid, kidney, liver and lung tissue, also covering three different stains. This label-free virtual-staining method eliminates cumbersome and costly histochemical staining procedures, and would significantly simplify tissue preparation in pathology and histology fields.

研究の動機と目的

• 従来の染色工程を省略することで、より迅速で費用対効果の高い組織学を実現する。
• ラベルフリーの画像処理パイプラインを開発し、染色相当の画像を生成する。
• 自己蛍光を明視野組織学表現へ写すよう深層学習を活用する。

提案手法

• 入力としてラベルなし組織の広域自己蛍光イメージを用いる。
• 生成 adversarial ネットワーク（GAN）フレームワーク内で畳み込みニューラルネットワークを訓練する。
• 自己蛍光画像を従来の組織学に似た仮想的に染色された明視野出力へ変換する。
• 自己蛍光と対応する染色参照画像を対を組んで教師あり学習を適用する。
• 複数の臓器および染色にわたるヒト組織サンプルで手法を検証する。

実験結果

リサーチクエスチョン

• RQ1 ラベルなし組織の自己蛍光画像を視覚的に正確な仮想着色組織像へ変換できるか？
• RQ2 CNN-GANモデルは異なる組織タイプおよび組織化学染色に対して一般化できるか？
• RQ3 仮想的に染色された画像は実際の染色画像と比べて診断上重要な特徴をどの程度保持しているか？

主な発見

• ラベルなし組織の自己蛍光から仮想的に染色された顕微鏡画像を成功裏に作成した。
• 唾液腺、甲状腺、腎臓、肝臓、肺を含むヒト組織サンプルで検証した。
• 三つの異なる組織化学染色にわたる適用性を示した。
• 病理診断ワークフローにおける面倒な組織化学染色手順の必要性を排除する。