組織病理學分析通常被認為是腫瘤診斷和臨床治療的“黃金標準"。近年來，人工智能（AI）在病理診斷中的應用取得了顯著進展。然而，目前大多數(shù)AI方法使用的數(shù)據(jù)源是由傳統(tǒng)光學顯微鏡捕獲的彩色圖像，這種圖像所包含的病理信息有限，影響了診斷的準確性。隨著二維圖像處理算法的逐步成熟，研究人員開始轉(zhuǎn)向三維算法，以期獲得更準確的結(jié)果和更豐富的信息。
本文提出了一種新的多維膽汁數(shù)據(jù)庫，該數(shù)據(jù)庫包含在同一視場下捕獲的顯微鏡高光譜圖像和RGB彩色圖像，專門用于深度學習研究。該數(shù)據(jù)庫中的所有圖像均經(jīng)過經(jīng)驗豐富的病理學家評估和標記，適用于訓練神經(jīng)網(wǎng)絡。由于該數(shù)據(jù)庫包含了樣本的形態(tài)、光譜和生化變化信息，對研究人員開發(fā)新型多維深度學習算法用于病理診斷具有重要意義。
圖1 數(shù)據(jù)集的多維圖像場景
(a) RGB圖像 (b) 顯微鏡高光譜數(shù)據(jù)立方體 (c) 從高光譜數(shù)據(jù)立方體中提取的16個單波段圖像
本實驗旨在建立一個多維膽汁數(shù)據(jù)庫，為此開發(fā)了一種顯微鏡高光譜成像系統(tǒng)，用于采集膽汁組織的高光譜圖像。膽總管組織切片的透射光通過顯微鏡被收集，并在sCMOS相機上成像，最終合成高光譜數(shù)據(jù)立方體。該成像系統(tǒng)使用的鑫圖sCMOS相機Dhyana 400D，具有6.5 μm的像素尺寸，適用于高倍顯微鏡。此外，其低讀出噪聲和在制冷條件下的低暗電流，使其在弱光成像時仍能獲得高信噪比的圖像。同時，USB 3.0的接口能夠提供高達35 fps的幀率，滿足了高光譜成像所需的高速采集性能指標。
參考文獻
Zhang Q, Li Q, Yu G, et al. A multidimensional choledoch database and benchmarks for cholangiocarcinoma diagnosis[J]. IEEE Access, 2019, 7: 149414-149421.
該文章旨在為大家提供先進成像技術(shù)相關(guān)應用參考，部分內(nèi)容摘抄于相關(guān)論文研究成果，版權(quán)歸原作者所有，引用請標注出處。
2