中文    English
当前位置:首页  实验室动态
实验室动态
季敏标、陈焱团队和浙江省人民医院郑彬医生合作开发基于深度学习的受激拉曼散射显微术用于喉癌的快速病理辅诊
发布人:韦佳  发布时间:2019-05-15   浏览次数:10



喉癌是呼吸道最常见的肿瘤之一,鳞状细胞癌又是喉癌中最常见的恶性肿瘤。外科手术是治疗喉癌的重要手段,手术中最大限度地保护邻近正常组织的功能和最大程度的切除肿瘤都很重要,因为人们的日常呼吸、饮食和讲话都与喉功能息息相关。因此,精确快速的对喉鳞状细胞癌进行病理诊断以提供最佳手术结果至关重要。近日,复旦大学物理系季敏标、陈焱教授和浙江省人民医院郑彬医生团队成员在生物医学1区杂志《Theranostics(IF: 8.537)上发表论文,报道了一种结合深度及其学习和受激拉曼散射显微术的快速病理诊断技术,可为未经任何处理的新鲜喉癌手术标本提供智能和精准的病理诊断依据,有望向临床转化并实现术中手术切缘导航。









受激拉曼散射(SRS)是一种通过引入受激辐射将微弱的拉曼信号放大几个数量级的新型技术。它继承了自发拉曼光谱的分子特异性,又具有快速成像的优势。利用脂质和蛋白在C-H频段的SRS光谱信号差异,SRS可以实现快速无标记的组织病理成像,为术中实时成像和大数据的积累提供可能。此前SRS病理的研究主要集中于脑肿瘤,季敏标曾在哈佛大学谢晓亮教授实验室做了大量的脑肿瘤成像工作。目前的SRS技术可以达到几分钟之内拍摄一张1cm2尺寸的白片或新鲜组织,并正在探索用于各种类型的实体瘤组织诊断。


近年来,机器学习(ML)算法得到了飞速发展,利用深度学习对传统病理HE染色图像进行智能、精确诊断成为了一个新兴方向。虽然机器学习算法的引入有效的提高了读片的效率和准确率,但是HE染色需要经过固定、切片、染色和拍照等一系列复杂的工序,限制了其在术中诊断中的应用。因此将深度学习与SRS成像结合将非常有利于术中快速诊断。

在此项研究中,研究人员首先对80对相邻冰冻切片的SRSHE染色图像进行对比,并邀请了三位临床病理专家进行问卷评估,系统地证明了SRS显微术可以快速无标记地提供喉癌的组织病理学特征,并得到SRS与冰冻HE在判断组织是否为肿瘤上的高度统计一致性(κ> 0.9)。此外,研究者通过45个新鲜手术组织标本SRS图像的积累,搭建了34层残差卷积神经网络模型来训练标注好的18750SRS视图(包括喉鳞状细胞癌和正常组织),并利用该模型对来自另外33个未经训练的病例进行了判断(肿瘤或正常),结果显示在病例量级上可达100%的准确率,小视场量级上可达95%的准确率。此外,研究人员还利用基于深度学习的SRS快速病理方法模拟了术中指导边缘切除的过程。



   该研究利用生物体内源性的脂质和蛋白质的受激拉曼信号为成像对比度,实现了喉组织新鲜手术标本的快速无标记病理成像,并结合深度学习算法进行智能诊断。随SRS成像技术的持续发展和深度学习算法的进一步优化,SRS显微成像技术有望为实体瘤手术提供快速辅诊以及优化手术决策。


复旦大学物理系季敏标教授、陈焱教授和浙江省人民医院的郑彬医生为文章的共同通讯作者,课题组成员张莉丽、吴永政和郑彬医生为文章的并列第一作者。

  

参考文献:

Lili Zhang, Yongzheng Wu, Bin Zheng , Lizhong Su, Yuan Chen,Shuang Ma, Qinqin Hu, Xiang Zou, Lie Yao, Yinlong Yang, Liang Chen, Ying Mao,Yan Chen, Minbiao Ji. Rapid histology of laryngeal squamous cell carcinoma withdeep-learning based stimulated Raman scattering microscopy. Theranostics, 2019,9 (9): 2541-2554.

原文链接:http://www.thno.org/v09p2541.htm