深度学习助力紫外发光二极管显微镜实现快速组织学成像

    在医学领域，传统的组织制备流程复杂且耗时，不仅影响切片质量和诊断结果，还极大地限制了术中组织处理速度，使得快速获取组织学信息以辅助手术治疗决策变得困难重重。

    为解决这一难题，香港科技大学TerenceT.W.Wong教授课题组带来了一项创新成果——深度学习辅助的紫外线发光二极管（UV-LED）显微镜。

    该技术采用了基于紫外激光的层光（UV-LS）成像模式作为UV-LED的学习目标，通过弱监督学习网络进行对比度增强，成功生成了高对比度的CE-LED图像。其采集速度达到了47s/cm²，比传统的UV-LS系统快约25倍，大大提高了成像效率。此外，还利用U-Frame网络对CE-LED图像进行虚拟H&E染色，降低了临床使用的阻力。

    这项技术具有诸多突破与创新点。首先，它是一种无标记自发荧光组织成像技术，通过搭建双模态成像系统，获取UV-LED的源域数据和UV-LS的目标域数据，让UV-LED图像能够学习UV-LS的图像对比度，有效解决了UV-LED照明的宽场显微镜图像对比度差的问题。其次，基于弱监督深度学习的对比度增强网络，应用U-Frame弱监督学习框架，可根据图像错位程度自动调整容差大小，即使在数据部分匹配的情况下也能高效训练网络。再者，基于深度学习的图像虚拟染色网络，利用U-Frame网络进行H&E虚拟染色，使CE-LED的虚拟染色与金标准石蜡切片的H&E图像高度相似，更加准确可靠。

    深度学习辅助的UV-LED系统为临床提供了一种高通量、低成本、免切片、免染色的潜在组织学成像技术。它不仅可以实现低成本和快速的组织学成像，提高术中癌症检测的适用性，还能增强图像对比度，通过虚拟染色促进临床应用，为术中组织成像提供了一种高通量、高分辨率、无损且低成本的替代方案。

    中测光科相信在未来，这项创新技术将在医学领域发挥更大的作用，为患者的诊断和治疗带来更多的福音。