science >> Wetenschap >  >> Chemie

AI-aangedreven microscoop kan binnen enkele minuten kankermarges controleren

Een nieuwe microscoop genaamd DeepDOF maakt gebruik van kunstmatige intelligentie om snel en goedkoop alle cellen in grote weefselsecties (links) met een hoge resolutie en minimale voorbereiding in beeld te brengen. het kostbare en tijdrovende proces van het monteren van dunne weefselplakjes op objectglaasjes elimineren (rechts). Krediet:Brandon Martin/Rice University

Wanneer chirurgen kanker verwijderen, een van de eerste vragen is, 'Hebben ze alles gekregen?' Onderzoekers van Rice University en het MD Anderson Cancer Center van de Universiteit van Texas hebben een nieuwe microscoop ontwikkeld die snel en goedkoop grote weefselcoupes kan afbeelden, mogelijk tijdens de operatie, om het antwoord te vinden.

De microscoop kan relatief dikke stukken weefsel snel in beeld brengen met cellulaire resolutie, en kunnen chirurgen de marges van tumoren binnen enkele minuten na verwijdering inspecteren. Het is gemaakt door ingenieurs en toegepaste natuurkundigen van Rice en wordt beschreven in een studie die deze week is gepubliceerd in de Proceedings van de National Academy of Sciences .

"Het belangrijkste doel van de operatie is om alle kankercellen te verwijderen, maar de enige manier om te weten of je alles hebt, is door naar de tumor te kijken onder een microscoop, " zei Rice's Mary Jin, een doctoraat student in elektrische en computertechniek en co-hoofdauteur van de studie. "Vandaag, dat kun je alleen doen door het weefsel eerst in extreem dunne coupes te snijden en die coupes vervolgens apart in beeld te brengen. Dit snijproces vereist dure apparatuur en de daaropvolgende beeldvorming van meerdere plakjes is tijdrovend. Ons project probeert in principe grote delen van weefsel rechtstreeks in beeld te brengen, zonder te snijden."

Rice's deep learning uitgebreide scherptedieptemicroscoop, of DeepDOF, maakt gebruik van een kunstmatige-intelligentietechniek die bekend staat als deep learning om een ​​computeralgoritme te trainen om zowel het verzamelen van afbeeldingen als de nabewerking van afbeeldingen te optimaliseren.

Met een typische microscoop, er is een afweging tussen ruimtelijke resolutie en scherptediepte, wat betekent dat alleen dingen die zich op dezelfde afstand van de lens bevinden, duidelijk in beeld kunnen worden gebracht. Functies die zich zelfs maar een paar miljoenste van een meter dichterbij of verder van het objectief van de microscoop bevinden, zullen wazig lijken. Om deze reden, microscoopmonsters zijn meestal dun en gemonteerd tussen glasplaatjes.

Dia's worden tegenwoordig gebruikt om tumormarges te onderzoeken, en ze zijn niet gemakkelijk te bereiden. Verwijderd weefsel wordt meestal naar een ziekenhuislaboratorium gestuurd, waar experts het ofwel invriezen of met chemicaliën bereiden voordat ze flinterdunne plakjes maken en ze op objectglaasjes monteren. Het proces is tijdrovend en vereist gespecialiseerde apparatuur en geschoolde werknemers. Het komt zelden voor dat ziekenhuizen de mogelijkheid hebben om objectglaasjes te onderzoeken op tumormarges tijdens operaties, en ziekenhuizen in veel delen van de wereld beschikken niet over de benodigde apparatuur en expertise.

Krediet:Rice University

"De huidige methoden om weefsel voor te bereiden voor evaluatie van de margestatus tijdens chirurgie zijn niet significant veranderd sinds de introductie meer dan 100 jaar geleden, " zei co-auteur van de studie Ann Gillenwater, MD, een professor in hoofd- en nekchirurgie bij MD Anderson. "Door de mogelijkheid om de margestatus nauwkeurig te beoordelen naar meer behandellocaties, de DeepDOF heeft het potentieel om de resultaten te verbeteren voor kankerpatiënten die met een operatie worden behandeld."

Jin's Ph.D. adviseur, studie co-corresponderende auteur Ashok Veeraraghavan, genoemde DeepDOF gebruikt een standaard optische microscoop in combinatie met een goedkoop optisch fasemasker dat minder dan $ 10 kost om hele stukken weefsel in beeld te brengen en diepte-van-veld te leveren die wel vijf keer groter is dan de huidige state-of-the-art microscopen.

"Traditioneel, beeldapparatuur zoals camera's en microscopen zijn afzonderlijk ontworpen van software en algoritmen voor beeldverwerking, " zei mede-hoofdauteur Yubo Tang van de studie, een postdoctoraal onderzoeksmedewerker in het laboratorium van co-corresponderende auteur Rebecca Richards-Kortum. "DeepDOF is een van de eerste microscopen die is ontworpen met het nabewerkingsalgoritme in gedachten."

Het fasemasker wordt over het objectief van de microscoop geplaatst om het licht dat in de microscoop komt te moduleren.

"De modulatie zorgt voor een betere controle van diepteafhankelijke onscherpte in de beelden die door de microscoop zijn vastgelegd, " zei Veeraraghavan, een beeldvormingsexpert en universitair hoofddocent in elektrische en computertechniek bij Rice. "Die controle helpt ervoor te zorgen dat de onscherpte-algoritmen die op de vastgelegde beelden worden toegepast, getrouwe hoogfrequente textuurinformatie over een veel groter dieptebereik herstellen dan conventionele microscopen."

DeepDOF doet dit zonder in te leveren op ruimtelijke resolutie, hij zei.

Een sectie van varkensweefsel tijdens beeldvorming met Rice's "deep learning extended depth-of-field microscoop, ” of DeepDOF. Krediet:Brandon Martin/Rice University

"In feite, zowel het fasemaskerpatroon als de parameters van het deblurring-algoritme worden samen geleerd met behulp van een diep neuraal netwerk, waarmee we de prestaties verder kunnen verbeteren, ' zei Veeraraghavan.

DeepDOF maakt gebruik van een diep lerend neuraal netwerk, een expertsysteem dat kan leren om menselijke beslissingen te nemen door grote hoeveelheden data te bestuderen. Om DeepDOF te trainen, onderzoekers toonden het 1, 200 afbeeldingen uit een database van histologische dia's. Van dat, DeepDOF leerde hoe het optimale fasemasker te selecteren voor het afbeelden van een bepaald monster en het leerde ook hoe wazigheid te elimineren uit de afbeeldingen die het van het monster vastlegt, cellen van verschillende diepten in beeld te brengen.

"Zodra het geselecteerde fasemasker is afgedrukt en geïntegreerd in de microscoop, het systeem legt afbeeldingen in één keer vast en het ML-algoritme (machine learning) doet de vervaging, ' zei Veeraraghavan.

Richards-Kortum, Rice's Malcolm Gillis universiteitshoogleraar, hoogleraar bio-engineering en directeur van het Rice 360° Institute for Global Health, zei dat DeepDOF afbeeldingen in slechts twee minuten kan vastleggen en verwerken.

"We hebben de technologie gevalideerd en proof-of-principle getoond, " zei Richards-Kortum. "Er is een klinische studie nodig om uit te vinden of DeepDOF kan worden gebruikt zoals voorgesteld voor margebeoordeling tijdens chirurgie. We hopen komend jaar met klinische validatie te beginnen."