تطبيق التعلم العميق للتجزئة الآلية للأساسيات النسيجية للكلى

جهة الاتصال: أودري هو (واتس اب: 008613880143964)audrey.hu@wecistanche.com

الجزء: تطوير وتقييم التجزئة القائمة على التعلم العميق للبنى النسيجية في قشرة الكلى مع بقع نسيجية متعددة

كاثرين بي جايابانديان ، وييانغ تشين ، وأندرو آر جانوفتشيك وآخرون.

يمكن أن يؤدي تطبيق التعلم العميق للتجزئة الآلية (ترسيم الحدود) للأوليات النسيجية (الهياكل) من صور الشرائح الكاملة إلى تسهيل إنشاء بروتوكولات جديدة لتقييم خزعة الكلى. هنا ، قمنا بتطوير والتحقق من صحة شبكات التعلم العميق لتجزئة الهياكل النسيجية في خزعات الكلى واستئصال الكلية. من أجل التطوير ، قمنا بفحص 125 خزعة لأمراض التغيير الأدنى التي تم جمعها عبر 29 مركزًا لتسجيل NEPTUNE جنبًا إلى جنب مع 459 صورة شريحة كاملة ملطخة بالهيماتوكسيلين ويوزين (125) ، وحمض الدوري شيف (125) ، والفضة (1 0 2) ، و Trichrome (1 0 7) مقسمة إلى مجموعات تدريب وتحقق واختبار (نسبة 6: 1: 3). تم تقسيم الهياكل النسيجية يدويًا (3 0 0 48 تعليقًا توضيحيًا إجماليًا) بواسطة خمسة أطباء أمراض الكلى. تم تدريب عشرين نموذجًا للتعلم العميق باستخدام التكبير الرقمي الأمثل عبر الهياكل والبقع. أسفرت صور الشرائح الكاملة الملطخة بحمض شيف الدوري عن أفضل توافق بين علماء الأمراض وتجزئة التعلم العميق عبر جميع الهياكل (درجات F: 0. 93 للخصل الكبيبية ، 0. 94 للخصلة الكبيبية بالإضافة إلى كبسولة بومان ، 0.91 للأنابيب القريبة ، 0.93 للأجزاء الأنبوبية البعيدة ، 0.81 للشعيرات الدموية المحيطة بالنبيبات ، و 0.85 للشرايين والشرايين الواردة). كانت التكبيرات الرقمية المثلى 5X للخصلة الكبيبية بالإضافة إلى كبسولة بومان ، 10 × للنبيبات القريبة / البعيدة والشرايين والشرايين الواردة ، و 40 X للشعيرات حول الأنبوب. أسفرت صور الشرائح الكاملة المصبوغة بالفضة عن أسوأ أداء للتعلم العميق ، وبالتالي فإن هذه الدراسة الأكبر حتى الآن تكيفت مع التعلم العميق لتجزئة الهياكل النسيجية للكلى عبر مختبرات البقع المتعددة وعلم الأمراض. ستكون جميع البيانات المستخدمة للتدريب والاختبار وبرنامج تعليمي مفصل عبر الإنترنت متاحة للجمهور.

عشب تحسين الوظيفة الحقيقية:cistanche

انقر هنا للجزء Ⅰ

نقاش

يعتبر تقييم خزعة الكلى فريدًا من نوعه مقارنةً بعينات علم الأمراض الجراحية الأخرى نظرًا لتنوع البقع المستخدمة بشكل روتيني. يعتمد التقييم المورفولوجي على جودة المستحضرات ، وخبرة علماء الأمراض في الكشف عن الهياكل الفردية والتغيرات المرتبطة بها ، والمقاييس الكمية أو الدلالية المستخدمة لالتقاط مدى تلف الأنسجة. يُعرف التقييم الكمي النسيجي البصري ، مثل العد والتوزيع والقياس التشكل لبعض الأوليات النسيجية ، بكونه منبئات قوية لنتائج أمراض الكلى المختلفة .10 ، 17-23 ومع ذلك ، لا يزال التحليل الكمي يمثل تحديًا للعين البشرية. لا يمكن قياس بعض هذه العناصر الأولية (على سبيل المثال ، الشعيرات الدموية حول الأنبوب) بصريًا أو يدويًا وتضمن مساعدة الخوارزميات الحسابية. اقترحت الدراسات الحديثة أن أدوات رؤية الكمبيوتر يمكن أن تكون بمثابة أدوات دعم للفرز والقرار لتشخيص الأمراض باستخدام علم الأمراض الرقمي.

24~27

وبالتالي ، يجب تنفيذ أدوات تحليل الصور المؤتمتة ودمجها في سير عمل علم الأمراض من أجل تجزئة فعالة وموثوقة للأوليات النسيجية عبر أنواع متعددة من البقع. يمكن أن تسهل أدوات تجزئة DL إلى حد كبير اشتقاق ليس فقط السمات المرئية ولكن أيضًا تحت البصري خصائص قياس النسيج (على سبيل المثال ، ميزات الشكل والنسيج والرسم البياني) للارتباط بالتشخيص والنتيجة. مقياس استجواب الأنسجة من خلال توفير خوارزميات DL للتعليق التوضيحي الشامل لستة بدائيات نسيجية على الحمة الكلوية لمرض التغيير الأدنى (MCD) ، باستخدام صور شرائح كاملة (WSI) من 4 بقع وتم إنشاؤها عبر 29 مركزًا لتسجيل NEPTUNE. في السنوات القليلة الماضية ، أثبتت العديد من الدراسات فائدة شبكات DL في تحليلات الصور منخفضة المستوى (مثل اكتشاف وتجزئة وتصنيف العناصر الأولية النسيجية) ومهام التكهن والتنبؤ المعقدة عالية المستوى. 1-35 دراستنا هي أكبر وأشمل دراسة DL لخزعات الكلى ، مع تقديم خوارزميات تم تطويرها على بقع مختلفة واستخدام عدد كبير من الصور المشروحة ، مقارنةً بتلك المنشورة سابقًا. فيما يلي وصف للاستنتاجات الأولية والنتائج المهمة من عملنا.

مقارنة مع الأدبيات الحالية

تم تلخيص الاختلافات بين الدراسات السابقة 36-44 ومساهماتنا في الشكل التكميلي S6.

تركز الدراسات المنشورة سابقًا على صبغة نسيجية بدائية واحدة وصمة عار واحدة. على سبيل المثال ، مارش وآخرون. تقييم CNNs للكشف عن تصلب الكبيبات العالمي في أقسام زرع الكلى المجمدة الملطخة بـ H & E36 ؛ Kanna et al. تقييم CNNs للتمييز بين الكبيبات المتصلبة العادية والقطعية والعالمية من الفورمالين الملون ثلاثي الكروم وأقسام الكلى المضمنة بالبارافين ؛ Gallego et al. تطبيق DL للكشف عن الكبيبات على المقاطع الملطخة بـ PAS ؛ بيل

تركز الدراسات المنشورة سابقًا على صبغة نسيجية بدائية واحدة وصمة عار واحدة. على سبيل المثال ، مارش وآخرون. تقييم CNNs للكشف عن تصلب الكبيبات العالمي في أقسام زرع الكلى المجمدة الملطخة بـ H & E36 ؛ Kanna et al. تقييم CNNs للتمييز بين الكبيبات المتصلبة العادية والقطعية والعالمية من الفورمالين الملون ثلاثي الكروم وأقسام الكلى المضمنة بالبارافين ؛ Gallego et al. تطبيق DL للكشف عن الكبيبات على المقاطع الملطخة بـ PAS ؛ بيل وآخرون. أظهر تجزئة الهياكل النسيجية الطبيعية والمرضية باستخدام WSIs الملون PAS لنسيج قشرة استئصال الكلية. أظهر نهج DL لتحسين الكشف الكبيبي على تلطيخ واحد باستخدام نتائج من أقسام ملوثة بشكل مختلف من نفس الأنسجة. 1 تمثل شبكات DL الخاصة بنا في جميع البقع الأربعة خطوة أولى للنشر السريري في المستقبل مما يسمح باكتشاف وتجزئة وتقدير العديد من العناصر الطبيعية في نهاية المطاف. بدائية نسيجية في جميع البقع تستخدم بشكل روتيني لأغراض التشخيص.

هناك عنصر حاسم آخر يجب أخذه في الاعتبار قبل استخدامها في شبكات DL واسعة النطاق وهو كيفية تطبيقها على مجموعات البيانات غير المتجانسة. تم تدريب نماذج DL الخاصة بنا واختبارها على مجموعة غير متجانسة جدًا من WSI مع اختلافات ما قبل التحليل في اكتساب الأنسجة ومعالجتها وإعداد الشرائح باستخدام 4 بقع ، مما يسهل التقييم الدقيق لإمكانية تطبيق نهج DL في بيئة متعددة المواقع.

تم استخدام مناهج DL المختلفة لتجزئة الأوليات النسيجية ، مثل تطبيق Gadermayr et al للشبكات العميقة التوليدية للخصم من أجل تجزئة الكبيبات المستقلة. بيل وآخرون. توظيف شبكات خصومة توليدية متسقة (دورة-GAN) في تطبيقات DL لتحويل البقع متعددة المراكز. Hermsen et al. أظهر تجزئة تستند إلى U-Net لـ 7 فئات من الأنسجة باستخدام 40 خزعة زرع على صبغة PAS. 2 كان نهجنا ، في هذه الدراسة ، هو تطوير شبكات DL متعددة تعتمد على U-Net باستخدام التكبير الرقمي الأمثل وعدد متفاوت من التعليقات التوضيحية عبر البدائيين والبقع.

استخدمت جميع الأعمال السابقة عددًا أقل نسبيًا من WSI لخزعات الكلى / استئصال الكلية مقارنة بدراستنا (الجدول 2). سمح لنا استخدام مجموعة بيانات WSI الكبيرة بتقديم رؤى لعلماء الأمراض لتوليد نماذج تدريب مشروحة جيدًا لكل بدائية وصمة عار ، بالإضافة إلى عدد نماذج التدريب المطلوبة للحصول على أفضل أداء للشبكة باستخدام U-Net CNNs (الشكل 8).

تُعد خصوصية تجزئة العناصر الأولية النسيجية الفردية وتنوعها المرضي أمرًا بالغ الأهمية لنشر نماذج DL في الممارسة السريرية. استئصال الكلية ، ويمكن تطبيقه على خزعات الكلى لدى البالغين والأطفال. عندما تم اختبار شبكات DL على بقع من الحمة الكلوية من عينات استئصال الكلية ، تم الحفاظ على خصوصية العناصر الأولية النسيجية الطبيعية الهيكلية. سيمكن إطار عمل DL المعروض في هذه الدراسة أيضًا من تصميم الشبكات في المستقبل التي تركز بشكل خاص على التجزئة الآلية وتقييم العناصر الأولية النسيجية غير الطبيعية من الناحية الهيكلية وعلاقتها بالنتائج السريرية.

تحسين وظائف الكلى: استخراج tubulosa cistanche

الترتيب القائم على DL للبقع المختلفة

تشير دراستنا إلى أن صبغة PAS هي الأنسب لتحديد الأوليات النسيجية الطبيعية الهيكلية باستخدام نموذج U-Net. قد يكون هذا بسبب أن PAS يبدو أكثر تجانسًا باستمرار عبر مختبرات علم الأمراض مقارنةً بـ TRI أو SIL. تسلط WSIs الملطخة بنظام PAS الضوء على الأغشية القاعدية للهياكل المختلفة ، والتي بدورها توفر تعريفًا فائقًا لحدود كل بدائية مفردة يتم تجزئتها. لهذا السبب ، كان PAS هو البقعة الوحيدة المستخدمة لتجزئة الشعيرات الدموية حول الأنبوب. على أساس نتائجنا ، أظهرت بقع PAS و H&E أداءً أفضل للخصل الكبيبي وتجزئة الوحدة ، و PAS و TRI للشرايين / الشرايين ، و PAS و SIL للقطاعات الأنبوبية ، و PAS للشعيرات الدموية حول الأنبوب. التكبير الرقمي الأمثل لنماذج DL

تشير نتائجنا إلى أنه مع حجم التصحيح الموحد 256 × 256 ، كان التكبير الأمثل لنماذج DL 5 × للكبيبات ، و 10 × للأنابيب والأوعية ، و 40 × للشعيرات الدموية (الشكل 1). كانت متوافقة مع التكبير الذي يميل علماء الأمراض إلى استخدامه عند وضع تعليقات توضيحية على الكائنات الأولية الفردية ، باستثناء الكبيبات حيث استخدم علماء الأمراض من 15 × إلى 20 ×. تم تقسيم الهياكل الأكبر مثل الكبيبات والأنابيب والأوعية بشكل أكثر دقة بواسطة الشبكة عند 5 × إلى تكبير 10 × بغض النظر عن البقعة. بالنسبة للهياكل الأصغر مثل الشعيرات الدموية حول الأنبوب ، كان التكبير الرقمي الأكبر (40 ×) مطلوبًا لتجزئة DL دقيقة.

أداء تجزئة DL عبر المواقع والتحف يعد عدم تجانس تحضير الأنسجة والافتقار إلى توحيد التحليلات أمرًا مهمًا بشكل خاص للدراسات متعددة المراكز ، حيث يتم جمع مواد علم الأمراض من العديد من المختبرات. لوحظ ، لكل منها مساهمة متغيرة في أداء DL. على سبيل المثال ، على الرغم من أن القطع الأثرية للأنسجة بشكل عام كان لها تأثير محدود على شبكات DL ، يبدو أن سمك القسم يؤثر على الأداء. كان تأثير المصنوعات الفردية مرتبطًا أيضًا بالبدائية النسيجية. على سبيل المثال ، أظهرت المصنوعات الزجاجية تأثيرًا سلبيًا طفيفًا على أداء DL للشرايين / الشرايين والأنابيب القريبة.

بالإضافة إلى ذلك ، كان هناك تباين في أداء DL عبر المواقع ، ويبدو أن هذا التباين يعتمد على النسيج البدائي (الشكل التكميلي S4).

أداء DL كدالة لعدد من نماذج التدريب

أثبتت بياناتنا الكمية صحة الافتراض البديهي بأن هناك حاجة إلى المزيد من الأمثلة لتلك الأوليات التي يصعب تحديدها بصريًا (على سبيل المثال ، الشرايين المقطوعة بشكل عرضي / الشرايين أو العناصر الأولية عند حافة منطقة الاهتمام [ROI]) (الشكل 8). تلك المواد الأولية التي كانت صغيرة جدًا أو محددة (أي الشعيرات الدموية المحيطة بالنبيبات) ، كان التنظيم والتعليق التكراري ضروريًا لتحسين دقة التجزئة. لتجزئة الخصل الكبيبي ، تقاربت الشبكة لأقصى قدر من الدقة مع عدد صغير (60-183) من نماذج التدريب ؛ لم يتحسن الأداء مع إدراج نماذج إضافية. بالنسبة لتجزئة الأنابيب والشرايين / الشرايين ، أظهرت الشبكات المقابلة تحسنًا هامشيًا إلى متوسط ​​الأداء مع زيادة عدد النماذج. في المقابل ، لوحظت زيادة كبيرة في درجة F و DSC (0. 27-0. 81) مع زيادة 2.5 ضعف في عدد النماذج الشعرية المحيطة بالنبيبات ، والنطاق الخطي لزيادة درجة F تشير إلى دقة أفضل مع المزيد من الأمثلة.

تفسير نتائج التجزئة

لوحظ عدد قليل من الإيجابيات الكاذبة في المناطق ذات الأهمية مع القطع الأثرية (على سبيل المثال ، طيات tssue ، تلطيخ غير متساوٍ) ، مما يشير إلى الحاجة إلى تقييم الجودة الرقمية لصور الشرائح قبل استدعاء النماذج الحسابية (الشكل التكميلي S4). يبدو أن DL تفوق أداؤه على علماء الأمراض - على سبيل المثال ، عندما كان جزء صغير من الشريان / الشريان على حافة ROI ولم يتم شرحه يدويًا كحقيقة أساسية من قبل أخصائي علم الأمراض لأنه كان من الصعب اكتشافها بصريًا. يمكن تفسير ذلك من خلال البروتوكول المستخدم لتجزئة الشرايين ، حيث شمل علماء الأمراض الشرايين فقط حيث كان الجدار (وسط الغلالة والبطانة) واللومن مرئيًا ومجزئًا الحدود الخارجية لوسائط الغلالة. وبالتالي ، فإن النماذج ، المدربة على اكتشاف وسائط الغلالة والبطانة الداخلية للشرايين ، حددت بشكل صحيح أجزاء صغيرة من وسط الغلالة (قطع جدار الشرايين / الشرايين عرضيًا) كشرايين / شرايين على الرغم من عدم وجود تجويف (الشكل 9).

بالإضافة إلى ذلك ، غالبًا ما تُرى الأنابيب في أقسام الخزعة الكلوية في المقاطع العرضية أكثر من المقاطع الطولية. غاب المصنف الأولي عن بعض الأنابيب المقطوعة طوليًا ، ومعظمها على صور ملطخة H&E ، لأن حدود الأنابيب كانت أقل حدة ، وكانت الأنابيب المقطوعة طوليًا ناقصة التمثيل في مجموعة التدريب الأولية. لتسهيل عملية التعليق التوضيحي والشبكة وتحسينها ، تم تحديد الأخطاء السلبية الخاطئة المرتبطة بتجزئة U-Net للأنابيب بصريًا وصقلها يدويًا بواسطة أخصائي علم الأمراض ، وتم إرجاع التعليقات التوضيحية المحدثة إلى الشبكة. تم تحديد عدد قليل من الشرايين الصغيرة بشكل غير صحيح على أنها أنابيب بعيدة بواسطة خوارزمية DL (إيجابيات خاطئة) أثناء التكرار الأول. تمت إزالة هذه التعليقات التوضيحية الإيجابية الخاطئة من قبل أخصائي علم الأمراض عند مراجعة ناتج المصنف الأولي وأعيدت الصور المصححة إلى الشبكة لإعادة التدريب دون تغيير الإعداد التجريبي أو معلمات الشبكة للتخلص من الإيجابيات الكاذبة والأخطاء السلبية لخوارزمية DL .45

تماشياً مع إرشادات المشاركة الحالية ، مع هذا التقرير ، نجعل جميع بياناتنا وتعليقات الحقيقة الأساسية المصاحبة متاحة للجمهور للمجتمع. من المتوقع أن تؤدي المواد التكميلية عبر الإنترنت التي تم إصدارها كجزء من هذا العمل إلى النهوض بمجال أمراض الكلى الحسابية وتقديم أفضل الممارسات لإنشاء التعليقات التوضيحية والتعزيزات والتكبير والبقع الموصى بها لأداء مهام التجزئة على النحو الأمثل.

في الختام ، تمثل هذه الدراسة أساسًا متينًا نحو استدعاء مصنفات التعلم الآلي للمساعدة في جهود القياس الكمي للأنسجة على نطاق واسع وتنفيذ البروتوكولات التفاعلية البشرية الآلية في سير العمل السريري وعلم الأمراض. يتيح تجزئة DL للأوليات النسيجية اشتقاقًا حسابيًا لخصائص قياس النسيج لتمكين تفسير الخزعة. بالإضافة إلى ذلك ، فإن الإطار المقدم في هذا العمل سيمهد الطريق أيضًا لتطوير شبكات DL جديدة في المستقبل موجهة بشكل خاص نحو (1) بدائية نسيجية غير طبيعية أو مرضية (مثل التصلب العام والقطعي ، وخصائص التكاثر الكبيبي ، وقنوات التجميع ، الأوردة والأعصاب المحيطية ، الضمور الأنبوبي ، التليف الخلالي ، وتصلب الشرايين) ، (2) القشرة الكلوية والمقصورات النخاعية ، و (2) مجموعة واسعة من الأمراض. علاوة على ذلك ، يمكن أن تمهد هذه الأساليب الجديدة الطريق لتطوير أدوات التعلم الآلي التي توفر تشخيص المرض أو حتى تسهل اكتشاف توقع استجابة العلاج 4 من المؤشرات الحيوية التشخيصية القائمة على علم الأمراض الحسابية القابلة للتنفيذ وغير المدمرة لأمراض الكلى 25 ، 27 ، 48.

Cistanche فعال لأمراض الكلى

ملحوظة: cistanche هو عشب تبغ ينمو في الصحاري. ويسمى أيضًا بعشب التنين والجينسنغ الصحراوي. cistanche له العديد من التأثيرات التي تعتبر كبيرة لصحة الإنسان وفقًا لدراسات علم الأمراض ، مثل تحسين المناعة ، ومكافحة التعب وتحسين وظائف الكلى وما إلى ذلك. تركز Chengdu wecistanhce على توفير منتجات عالية الجودة.