基于全偏振显微成像的数字病理技术

数字病理技术利用经过数字化的病理样本显微图像及其特征,并配合人工智能技术,实现生物组织病变特征的定量评估和判定,辅助临床医生做出诊断结论。利用偏振光照明和偏振探测可以实现全偏振成像,图像每个像素的偏振特征都包含更加丰富的信息,特别是普通光学成像难以获得的亚细胞超分辨微观结构特征信息,可为病变组织的识别和定量评估提供更为有效的手段。本文总结了全偏振成像技术,并结合典型临床应用归纳总结了全偏振显微图像的数据分析方法和最新进展。

荧光偏振调制显微成像技术研究进展

传统荧光显微成像技术以荧光强度为成像对比度,在获取生物分子位置和浓度信息中具有重要作用,为分子层面的生物医学研究提供了成像工具。而偏振作为荧光的另一重要特性,可以在另一维度提供分子的方向和结构信息,已被广泛应用于荧光偏振显微成像技术中。除此之外,荧光偏振调制也可以通过增强荧光图像稀疏性进而增强图像对比度来获取超分辨尺度的生物分子的位置和方向信息。从物理基础、技术原理、基本实现装置和生物应用等方面,总结了基于荧光偏振特性的不同荧光偏振调制成像技术在分子方向结构成像、超分辨显微成像以及二者的结合方面的发展概况,并对该技术未来的发展方向进行了展望。

基于偏振和明场多模态显微成像技术的乳腺癌智能诊断研究

近年来,乳腺癌已成为威胁女性健康的头号恶性肿瘤,对其实现快速精准的筛查和诊断变得尤为重要。针对现有临床病理学检查需要染色突显细胞形态并依赖医生主观经验判断的局限性,立足于明场显微成像和偏振显微成像构建多模态显微成像技术,获取正常与癌变乳腺组织未染色冰冻切片的形态结构及其异质性信息并对之进行分析和诊断研究。首先对正常与癌变组织切片进行多角度正交偏振成像、明场显微成像并分析图像差异性;然后实施像素级图像融合;接着利用卷积神经网络模型,对多模态融合图像进行深度学习的特征提取与分类,有效提升准确率(0.8727)和受试者特征曲线下面积(AUC,0.9400)等参数,进而实现精准的乳腺癌智能诊断。该技术有助于医生进行快速准确的临床诊断,为实施乳腺癌术中快检以辅助精准手术治疗提供有效的技术手段,具有突出的临床潜力和应用前景。