研究目的
开发一种组织学图像数字染色方法，利用高清红外成像实现细胞级分辨率，并借助光谱学的定量特性为病理检查提供可靠的组织表征。
研究成果
该方法成功利用中红外光谱和卷积神经网络重现高分辨率染色模式，其结果与传统组织病理学相似。通过卷积神经网络整合空间特征克服了衍射限制，从而更准确地复现染色模式。未来研究方向包括采用免疫组织化学染色或其他光谱对比机制，并进行广泛的临床验证。
研究不足
该方法要求输入图像与目标图像之间进行像素级对齐，但由于染色过程引入的畸变，这一要求具有挑战性。指纹区域的化学分辨率受衍射极限限制。未来的工作包括降低对齐要求并进行广泛的临床验证。
1：实验设计与方法选择：
本研究采用卷积神经网络（CNN）将傅里叶变换红外光谱（FTIR）图像映射为化学染色图像。该CNN利用空间和光谱特征来克服光谱指纹区的衍射限制。
2：样本选择与数据来源：
使用猪肾手术切除样本。样本经福尔马林固定和石蜡包埋（FFPE）处理，切成5微米薄片，并置于透红外光的氟化钙基底上。
3：实验设备与材料清单：
FTIR光谱显微镜（Cary 600，安捷伦科技）、光学显微镜（尼康）、氟化钙基底、二甲苯、乙醇、苏木精-伊红（H&E）染料。
4：实验流程与操作步骤：
在900至4000 cm?1范围内以4 cm?1光谱分辨率进行FTIR成像。FTIR成像后，切片用H&E化学染色并通过光学显微镜成像。使用GIMP软件手动对齐图像。数据预处理包括基线校正、波段归一化和主成分分析（PCA）降维。CNN训练使用16000个样本，每个像素周围的空间裁剪尺寸为9×9。
5：数据分析方法：
CNN训练采用均方误差（MSE）作为损失函数，结构相似性（SSIM）指数评估输出质量，PCA用于降维。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
FTIR spectroscopic microscope
Cary 600
Agilent Technologies
Used for FTIR imaging of tissue samples in the range of 900 to 4000 cm?1 at 4 cm?1 spectral resolution.
Cary 60 UV-Vis Spectrophotometer
立即获取同款设备 -
GPU
Tesla k40M
NVIDIA
Used for training and testing the convolutional neural network (CNN).
暂无现货
预约到货通知
-
Optical microscope
Nikon
Used for imaging chemically stained tissue sections after FTIR imaging.
暂无现货
预约到货通知
-
Software
GIMP
Open-source
Used for manual image alignment between FTIR and brightfield images.
暂无现货
预约到货通知
-
登录查看剩余2件设备及参数对照表
查看全部
