OSA Ⅲ: Neerukoore histoloogiliste struktuuride süvaõppel põhineva segmenteerimise arendamine ja hindamine mitmete histoloogiliste plekkidega

Kontakt: Audrey Hu (Whatsapp:008613880143964) E-post:audrey.hu@wecistanche.com

Catherine P. Jayapandian, Yiiang Chen, Andrew R. Janowczyk jt.

Neerubiopsia hindamine on võrreldes teiste kirurgilise patoloogia proovidega ainulaadne, kuna rutiinselt kasutatavaid plekke on palju. Histoloogiliste preparaatide morfoloogiline hindamine põhineb preparaatide enda kvaliteedil, aga ka patoloogi asjatundlikkusel normaalsete ja patoloogilised struktuurid. Autorid näitavad, et nefrootilise sündroomi uuringuvõrgustiku tervete slaidipiltide abil saab kasutada "sügaval õppimisel põhinevaid konvolutsioonilisi närvivõrke" normaalse neeruparenhüümi erinevate plekkide histoloogiliste struktuuride tõhusaks ja usaldusväärseks segmenteerimiseks. See andmestik koostati 38 histoloogialaboris ja peegeldab olulist morfoloogilist, tehnilist ja plekkide heterogeensust. Leiud pakuvad kasulikku teavet koos lähtekoodi ja andmetega, mis aitavad lugejatel selles ruumis esinevaid väljakutseid ületada. Kokkuvõttes kujutab see töö endast tehnilist alust, millelt saab ehitada tulevasi patoloogia tööriistu, et võimaldada kasutatavaid kliiniliste otsuste tugivahendeid haiguste paremaks iseloomustamiseks ja riskide hindamiseks patoloogia töövoogudes.

OSAKS KLIKI SIIAⅠ&Ⅱ

tsistanche ja cistanche ekstrakt

MEETODID

Juhtumi ja pildi andmestiku valik

See uuring viidi läbi digitaalsete neerubiopsiate abil NEPTUNE digitaalse patoloogia hoidlast. NEPTUNE on Põhja-Ameerika mitmekeskuseline koostöökonsortsium, kuhu on registreeritud enam kui 650 täiskasvanut ja last 29 värbamiskohast (38 patoloogialaboratooriumis). Sellesse uuringusse kaasati ainult MCD diagnoosiga juhud, kuna need on histoloogiliselt kõige sarnasemad normaalse neeruparenhüümiga. Kokku kasutati 459 kureeritud WSI-d (125 H&E, 125 PAS, 102 SIL, 107 TRI) 125 MCD neerubiopsiast. Kõigil juhtudel ei olnud digitaalses patoloogiahoidlas kõik plekid saadaval. Iga patsiendi jaoks valiti neli WSI-d (1 WSI pleki kohta). Igast WSI-st valiti juhuslikult ligikaudu 3–5 ROI-d, mis sisaldasid histoloogilisi primitiive, neid kontrollis patoloog ja ekstraheeriti käsitsi 3000 × 3000 plaatidena, seejärel salvestati 8-bitipunase reen blue (RGB) värvipiltidena PNG-vormingus. 40× digitaalse suurendusega. Lisateavet biopsia WSI-de digiteerimise ja kureerimise kohta leiate lisajoonisel S1.

DL-mudelite sõltumatu valideerimine. Kaasati kuus WSI-d kolmest formaliiniga fikseeritud ja parafiiniga manustatud nefrektoomia proovist, et testida DL-võrgu jõudlust kõigi histoloogiliste primitiivide segmenteerimiseks täiskasvanud neeru parenhüümis ilma oluliste struktuuriliste kõrvalekalleteta. Nefrektoomia proovide lõigud värviti PAS-iga, skaneeriti WSI-desse ja seejärel värviti CD34 antikehaga, endoteelirakkude markeriga, ja seejärel skaneeriti uuesti WSI-desse. PAS-iga värvitud WSI-dest eraldati sada seitsekümmend viis juhuslikku ROI-d (3000 × 3000 pikslit). PAS-CD34 topeltvärvitud WSI-sid kasutati DL-segmentatsioonimeetodi valideerimiseks peritubulaarsete kallaside puhul.

Histoloogilised primitiivid ja käsitsi segmenteerimine

Viis neerupatoloogi segmenteerisid ROI-d käsitsi, et teha kindlaks histoloogiliste primitiivide põhitõde (tabel 2). Käsitsi segmenteerimine genereeriti avatud lähtekoodiga tarkvararakenduse abil.5 Põhitõe annotatsioonid salvestati binaarsete maskidena; see tähendab, et iga piksel, mis oli märgitud histoloogilise primitiivi osana (positiivsete klassi pikslid on väljendatud binaarsetes ls) või mitte (negatiivne klass) pikslid, mis on väljendatud binaarsete Os-ina). Selle protsessi käigus tegid patoloogid 1818 ROI kohta 30 048 märkust (joonis 10).

Selles uuringus kasutati kuut histoloogilist primitiivi: glomerulaarkimp, glomerulaarüksus (tutt pluss Bowmani kapsel), proksimaalsed torukujulised segmendid, distaalsed torukujulised segmendid, arterid ja arterioolid ning peritubulaarsed kapillaarid. Järjepidevad ja üksikasjalikud põhitõemärgised kõikides treeningnäidistes võivad oluliselt hõlbustada tugevat DL-i jõudlust, eriti segmenteerimisülesannete puhul.24,32,3650-4 Kõigi piltide jaoks järjepidevate annotatsioonide loomiseks määratleti iga histoloogiline primitiiv ja selle piirid hoolikalt ja iga kasutusjuhtumi annotatsiooniprotseduur on standardiseeritud (täiendav joonis S2). Lisaks vaatas teine ​​patoloog kvaliteedi hindamiseks iga patoloogi loodud annotatsiooni.

cistanche herb on neerufunktsiooni parandavate ravimite tõhus koostisosa

DL eksperimentaalne torujuhe ja koolitusmeetodid

DL andmestik. Glomerulaarse kimpu ja üksuse ning proksimaalsete ja distaalsete torukujuliste segmentide segmenteerimiseks kasutati kuni nelja WSI-d biopsia kohta (iga H&E, PAS, TRI ja SIL). Peritubulaarsed kapillaarid segmenteeriti ainult PAS WSI-de abil ja arterid/arterioolid segmenteeriti ainult H&E, PAS ja TRI WSI-des (tabel 2). WSI-d jagati patsiendi tasandil koolitus-, valideerimis- ja testimiskomplektideks (suhe 6:1:3). Võrgud töötati välja nii täiskasvanud kui ka laste patsientide WSI-de abil (täiendav joonis S1). U-Neti võrgustiku koolitamiseks märkisid 5 patoloogi 1196 glomerulaarset kimpu ja ühikut, 4669 proksimaalset ja 2285 distaalset torukujulist segmenti, 19 280 peritubulaarset kapillaari ja 2261 arterit/arteriooli (tabel 2).

Võrgu seadistamine ja koolitus. Pisut kohandatud parameetritega standardne U-Neti arhitektuur rakendati PyTorchi raamistikus iga kasutusjuhtumi koolitamiseks (joonis 11). Üksikasjad U-Neti konfiguratsiooni, koolitusmeetodite, sealhulgas treeningkomplektide tasakaalustamise ja andmete suurendamise kohta leiate S3 lisast.

Detection and segmentation metrics. Detection and segmentation results were evaluated using F-Score, true positive rate/Values of (TPR), positive predictive value (PPV),and DSC. 0 and 1 represent the maximal discordance and agreement, respectively, between the pathologist ground truth and the U-Net results. TPR, PPV, and F-Score measure the detection accuracy of the DL networks. These metrics are computed using the number of correct segmentation results(true positives), incorrect segmentations(false positives), and missing segmentations(false negatives). DSC is the pixel wise spatial overlap index that measures the segmentation accuracy of the classifier, with values ranging from 0(indicating no spatial overlap between ground truth annotation and corresponding DL output mask) to 1(indicating complete overlap), and a DSC value >0.5, mis tähistab õiget segmenteerimist (tõene positiivne).

Erinevate histoloogiliste primitiivide koolitusnäidiste arv

Et testida, kuidas käsitsi annoteeritud treeningnäidete arv mõjutab võrgu jõudlust, valisime suuruse, keerukuse, jaotuse ja pleki põhjal välja tüüpilise histoloogiliste primitiivide komplekti: glomerulaarsed kimbud H&E-l, perituubulaarsed kapillaarid PAS-il, distaalsed torusegmendid TRI-l ja arterid/arterioolid SIL-il. Täpsemalt, püüdsime hinnata iga histoloogilise primitiivi tüübi jaoks treenitud U-Neti mudelite püstitamiseks annoteeritud näidete minimaalset arvu. Selle eesmärgi saavutamiseks koolitati iga primitiivse tüübi jaoks mitu U-Neti mudelit, iga kord suurema arvu kommenteeritud näidistega. Seejärel arvutati iga sellise U-Net mudeli tuvastamise ja segmenteerimise täpsus iga primitiivi jaoks vastavates testimiskomplektides (joonis 8).

cistanche kasu: ravige kinde haigusi

Märkus: Tistanche on hästi tuntud traditsiooniline ravimtaim neeruhaiguste raviks. cistanche sisaldab peamisi tõhusaid koostisaineid, nagu ehhinakosiid ja akteosiid, mis võivad toita kidenyt ja parandada neerufunktsiooni. 《SHENGNONG MEDICA's on ekspresstsitanche registreeritud parimate funktsioonide parandamise eesmärgil.