組織學(xué)染色是臨床和生命科學(xué)研究中對組織進行研究檢查的主要工具， 其在病理實驗室中被廣泛使用，以協(xié)助評估病理生理學(xué)和進行疾病診斷。

盡管它被廣泛地使用，但標(biāo)準(zhǔn)的組織學(xué)染色流程仍存在種種問題，比如繁雜的制備步驟、較長的周轉(zhuǎn)時間、高成本和不穩(wěn)定的染色結(jié)果。

虛擬染色是一種基于深度學(xué)習(xí)的用計算機數(shù)字化地生成組織學(xué)染色的方法，具有顛覆傳統(tǒng)組織學(xué)染色流程的潛力。虛擬染色消除了對化學(xué)染色的需求，為傳統(tǒng)的染色方法提供了一種更加快速、經(jīng)濟和準(zhǔn)確的替代方案，這有可能提高診斷的準(zhǔn)確性和速度，從而改善患者的治療結(jié)果并降低醫(yī)療成本。

加州大學(xué)洛杉磯分校Aydogan Ozcan教授的研究小組最近發(fā)表了一篇關(guān)于這種新興虛擬染色技術(shù)的綜述文章，全面介紹了虛擬染色領(lǐng)域的最新進展。

該文章以“Deep Learning-enabled Virtual Histological Staining of Biological Samples”為題發(fā)表在Light: Science & Applications，為學(xué)者、光學(xué)工程師、顯微鏡學(xué)家、計算機科學(xué)家、生物學(xué)家、組織學(xué)家和病理學(xué)家等提供了寶貴的資源。Bijie Bai為本文的第一作者，Aydogan Ozcan為本文的通訊作者。

該文章涵蓋了虛擬染色的基本概念、典型的開發(fā)流程，以及該技術(shù)的未來前景。它還著重討論了該領(lǐng)域部分代表性工作的關(guān)鍵結(jié)果，總結(jié)了這個快速發(fā)展的領(lǐng)域的最新研究進展。

Aydogan Ozcan教授說：“我們相信這篇綜述將作為這個研究領(lǐng)域技術(shù)發(fā)展的圖集，幫助讀者更全面地了解虛擬染色研究領(lǐng)域的進展。我們還希望這篇文章能夠啟發(fā)來自不同科學(xué)領(lǐng)域的讀者進一步擴展這個新興領(lǐng)域的應(yīng)用范圍，并繼續(xù)推動虛擬染色技術(shù)的可能性的界限”。

Ozcan組是加州大學(xué)洛杉磯分校的一個研究小組，致力于為各種應(yīng)用領(lǐng)域開發(fā)創(chuàng)新的光學(xué)成像和分析工具，包括生物醫(yī)學(xué)、診斷學(xué)和環(huán)境監(jiān)測。該小組致力于推進虛擬染色技術(shù)，并利用深度學(xué)習(xí)將這一尖端技術(shù)引入數(shù)字病理學(xué)領(lǐng)域。這項研究由擔(dān)任UCLA校長教授、Volgenau工程創(chuàng)新主席、霍華德-休斯醫(yī)學(xué)研究所HHMI教授的Aydogan Ozcan博士領(lǐng)導(dǎo)。這項工作的共同作者還包括UCLA電子和計算機工程系的白璧潔、楊西林、李雨竹、張藝杰和Nir Pillar。Ozcan教授還在UCLA的生物工程系和外科系任教，并同時擔(dān)任加州納米系統(tǒng)研究所（CNSI）的副所長。他還共同創(chuàng)立了Pictor Labs —— 一家將虛擬染色技術(shù)商業(yè)化的公司。

標(biāo)準(zhǔn)的組織學(xué)染色 vs. 基于深度學(xué)習(xí)的虛擬染色。圖片來源: Ozcan Lab @ UCLA.

| 論文信息 |

Bai, B., Yang, X., Li, Y. et al. Deep learning-enabled virtual histological staining of biological samples. Light Sci Appl 12, 57 (2023). 

https://doi.org/10.1038/s41377-023-01104-7

閱讀原文