组织病理学分析通常被认为是肿瘤诊断和临床治疗的“黄金标准”。近年来,人工智能(AI)在病理诊断中的应用取得了显著进展。然而,目前大多数AI方法使用的数据源是由传统光学显微镜捕获的彩色图像,这种图像所包含的病理信息有限,影响了诊断的准确性。随着二维图像处理算法的逐步成熟,研究人员开始转向三维算法,以期获得更准确的结果和更丰富的信息。
本文提出了一种新的多维胆汁数据库,该数据库包含在同一视场下捕获的显微镜高光谱图像和RGB彩色图像,专门用于深度学习研究。该数据库中的所有图像均经过经验丰富的病理学家评估和标记,适用于训练神经网络。由于该数据库包含了样本的形态、光谱和生化变化信息,对研究人员开发新型多维深度学习算法用于病理诊断具有重要意义。
![数据集的多维图像场景](/uploads/数据集的多维图像场景.png)
图1 数据集的多维图像场景
(a) RGB图像 (b) 显微镜高光谱数据立方体 (c) 从高光谱数据立方体中提取的16个单波段图像
本实验旨在建立一个多维胆汁数据库,为此开发了一种显微镜高光谱成像系统,用于采集胆汁组织的高光谱图像。胆总管组织切片的透射光通过显微镜被收集,并在sCMOS相机上成像,最终合成高光谱数据立方体。该成像系统使用的鑫图sCMOS相机Dhyana 400D,具有6.5 μm的像素尺寸,适用于高倍显微镜。此外,其低读出噪声和在制冷条件下的低暗电流,使其在弱光成像时仍能获得高信噪比的图像。同时,USB 3.0的接口能够提供高达35 fps的帧率,满足了高光谱成像所需的高速采集性能指标。
参考文献
Zhang Q, Li Q, Yu G, et al. A multidimensional choledoch database and benchmarks for cholangiocarcinoma diagnosis[J]. IEEE Access, 2019, 7: 149414-149421.
该文章旨在为大家提供先进成像技术相关应用参考,部分内容摘抄于相关论文研究成果,版权归原作者所有,引用请标注出处。