人工智能显微镜可在数分钟内检查癌症边缘

当外科医生切除癌症时，第一个问题是：“他们能全部得到吗?” 赖斯大学和德克萨斯大学MD安德森癌症中心的研究人员创建了一种新型显微镜，可以在手术期间快速且廉价地对大型组织切片成像，以找到答案。

显微镜可以用细胞分辨率快速成像相对较厚的组织碎片，并且可以使外科医生在切除肿瘤的几分钟内检查肿瘤的边缘。它由赖斯的工程师和应用物理学家创建，并在本周发表于国家科学院学报的一项研究中进行了描述。

赖斯的医学博士玛丽·金说：“手术的主要目的是去除所有癌细胞，但是唯一知道了解一切的方法就是在显微镜下观察肿瘤。” 电气和计算机工程专业的学生，​​该研究的共同主要作者。“今天，您只能先将组织切成极薄的切片，然后分别对这些切片进行成像，才能做到这一点。这种切片过程需要昂贵的设备，随后对多个切片进行成像非常耗时。我们的项目旨在对大型切片进行基本成像直接组织，无需任何切片。”

赖斯的深度学习扩展景深显微镜或DeepDOF利用称为深度学习的人工智能技术来训练计算机算法，以优化图像采集和图像后处理。

对于典型的显微镜，在空间分辨率和景深之间需要权衡取舍，这意味着只有距镜头相同距离的物体才能清晰地聚焦。距离显微镜物镜更近甚至更远几百万分之一的特征将显得模糊。因此，显微镜样品通常很薄，安装在载玻片之间。

如今，载玻片用于检查肿瘤边缘，而且制备起来并不容易。取出的组织通常会送到医院的实验室，专家在将其切成薄薄的切片并将其安装在载玻片上之前将其冷冻或用化学药品制备。该过程很耗时，需要专门的设备和受过专业培训的工人。医院很少有能力在手术期间检查载玻片上的肿瘤边缘，而且世界许多地方的医院都缺乏必要的设备和专业知识。

研究的共同作者，安德森(MD Anderson)头颈外科教授Ann Gillenwater博士说：“自100年前首次引入以来，用于准备手术过程中边缘状态评估的组织的当前方法并未发生显着变化。” “通过将准确评估边缘状态的能力带入更多的治疗部位，DeepDOF有潜力改善接受手术治疗的癌症患者的预后。”

金博士 顾问，研究共同通讯作者Ashok Veeraraghavan表示，DeepDOF使用标准光学显微镜与便宜的光学相位掩模相结合，其成本不到10美元，可以对整个组织进行成像，并提供比当今大五倍的景深最先进的显微镜。

这项研究的共同主要作者，共同通讯作者丽贝卡·理查兹·科尔图姆(Rebecca Richards-Kortum)实验室的博士后研究助理唐宇波说：“传统上，像照相机和显微镜这样的成像设备是与成像处理软件和算法分开设计的。” “ DeepDOF是首批考虑到后处理算法的显微镜之一。”

将相位掩模放置在显微镜的物镜上，以对进入显微镜的光进行模块化。

赖斯电气和计算机工程学的成像专家兼副教授Veeraraghavan说：“通过调制可以更好地控制由显微镜捕获的图像中与深度有关的模糊。” “该控件有助于确保应用于捕获图像的去模糊算法能够忠实地在比传统显微镜更广的深度范围内恢复高频纹理信息。”

他说，DeepDOF无需牺牲空间分辨率即可做到这一点。

用莱斯的“深度学习扩展景深显微镜”或DeepDOF成像时的一部分猪组织。信用：布兰登·马丁/莱斯大学

Veeraraghavan说：“实际上，使用深度神经网络一起学习了相位掩模图案和去模糊算法的参数，这使我们能够进一步提高性能。”

DeepDOF使用深度学习神经网络，这是一个专家系统，可以通过研究大量数据来学习做出类似人的决策。为了训练DeepDOF，研究人员向其展示了来自组织学幻灯片的1200张图像。由此，DeepDOF学习了如何为特定样品成像选择最佳的相位掩模，还学习了如何从其从样品捕获的图像中消除模糊，从而使不同深度的细胞成为焦点。

Veeraraghavan说：“一旦选定的相位掩模被打印并集成到显微镜中，系统就会单次捕获图像，而ML(机器学习)算法会进行去模糊处理。”

赖斯的马尔科姆·吉利斯大学教授，生物工程学教授，赖斯360°全球健康研究所所长Richards-Kortum表示，DeepDOF可以在短短两分钟内捕获和处理图像。

Richards-Kortum说：“我们已经验证了该技术并显示了原理证明。” “需要进行临床研究，以确定是否可以将DeepDOF用作手术期间边缘评估的建议。我们希望在明年开始临床验证。”