Süvaõppe rakendamine neeru histoloogiliste primitiivide automatiseeritud segmenteerimiseks

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

Ⅱ OSA: Neerukoore histoloogiliste struktuuride süvaõppepõhise segmenteerimise arendamine ja hindamine mitme histoloogilise plekkidega

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

Süvaõppe rakendamine histoloogiliste primitiivide (struktuuride) automatiseeritud segmenteerimiseks (piiride piiritlemiseks) tervetest slaidipiltidest võib hõlbustada neerubiopsia hindamise uudsete protokollide loomist. Siin töötasime välja ja valideerisime sügava õppevõrgud neerubiopsiate ja nefrektoomiate histoloogiliste struktuuride segmenteerimiseks. Arenduseks uurisime 125 biopsiat minimaalse muutuse haiguse tuvastamiseks, mis koguti 29 NEPTUNE registreerimiskeskusest, ja 459 tervet slaidipilti, mis olid värvitud hematoksüliini ja eosiiniga (125), perioodilise happega Schiff (125), hõbedaga (102), ja Trichrome(107), mis on jagatud koolitus-, valideerimis- ja testimiskomplektideks (suhe 6:1:3). Histoloogilised struktuurid segmenteerisid käsitsi (kokku 30048 annotatsiooni) viis nefropatoloogi. 20 süvaõppe mudelit koolitati optimaalse digitaalse suurendusega struktuuride ja plekkide lõikes. Perioodilise happega Schiffiga värvitud terved slaidipildid andsid parima kooskõla patoloogide ja sügava õppimise segmentatsiooni vahel kõigis struktuurides (F-skoorid: 0,93 glomerulaarkimpude puhul, 0,94 glomerulaarkimpu ja Bowmani kapsli puhul, 0,91 proksimaalsete tuubulite puhul, 0,93 distaalsete torukeste segmentide puhul, 0,81 peritubulaarsete kapillaaride puhul ning 0,85 arterite ja aferentsete arterioolide puhul. Optimaalsed digitaalsed suurendused olid glomerulaartubu/tubu pluss Bowmani kapsli puhul 5X, proksimaalsete a,/distaalsete arterioolide puhul 10X ja 40X peritubulaarsete kapillaaride puhul. Hõbedaga värvitud terved slaidipildid andsid halvima sügava õppimisvõime. Seega kohandas see seni suurim uuring süvaõpet neeru histoloogiliste struktuuride segmenteerimiseks mitme plekkide ja patoloogialaborite lõikes. Kõik koolituseks ja testimiseks kasutatud andmed ning üksikasjalik veebiõpetus on avalikult kättesaadavad.

tõeline funktsiooni parandav ravimtaim:cistanche

OSAKS KLIKI SIIA Ⅰ

ARUTELU

Neerubiopsia hindamine on ainulaadne võrreldes teiste kirurgilise patoloogia proovidega, kuna rutiinselt kasutatakse erinevaid plekke. Morfoloogiline hindamine põhineb preparaatide kvaliteedil, patoloogide asjatundlikkusel üksikute struktuuride ja nendega seotud muutuste tuvastamisel ning kvantitatiivsetel või poolkvantitatiivsetel mõõdikutel, mida kasutatakse koekahjustuse ulatuse tuvastamiseks. Visuaalne histoloogiline kvantitatiivne hindamine, nagu teatud histoloogiliste primitiivide loendamine, jaotus ja morfomeetria, on teadaolevalt erinevate neeruhaiguste tulemuste tugevad ennustajad.10,17-23 Siiski on kvantitatiivne analüüs inimsilma jaoks endiselt väljakutse. Mõnda neist primitiividest (nt peritubulaarseid kapillaare) ei saa visuaalselt ega käsitsi mõõta ja need nõuavad arvutusalgoritmide abi. Hiljutised uuringud on näidanud, et arvutinägemise tööriistu saab kasutada triaaži- ja otsustusabivahenditena digitaalse patoloogiaga haiguste diagnoosimisel.

24~27

Seega tuleb histoloogiliste primitiivide tõhusaks ja usaldusväärseks segmenteerimiseks mitut tüüpi plekkide vahel rakendada ja integreerida patoloogia töövoogu automatiseeritud pildianalüüsi tööriistu. DL-segmenteerimistööriistad võivad oluliselt hõlbustada mitte ainult visuaalsete, vaid ka subvisuaalsete histomorfomeetriliste tunnuste (nt kuju, tekstuuri ja graafiku tunnused) tuletamist, et need saaksid korrelatsiooniks diagnoosi ja tulemusega.280 See uuring püüab käsitleda arvutusliku neerupatoloogiaga seotud probleeme suurte mastaapne kudede ülekuulamine, pakkudes DL-algoritme 6 histoloogilise primitiivi põhjalikuks annoteerimiseks minimaalse muutusega haiguse (MCD) neeruparenhüümis, kasutades 4 pleki terveid slaidipilte (WSI), mis on genereeritud 29 NEPTUNE registreerimiskeskuses. Viimastel aastatel on mitmed uuringud näidanud DL-võrkude kasulikkust madala taseme kujutise analüüside (st histoloogiliste primitiivide tuvastamise, segmenteerimise ja klassifitseerimise) ning kõrgetasemeliste keerukate prognoosi- ja prognoosiülesannete jaoks.{5}} Meie uuring on suurim ja kõikehõlmav neerubiopsiate DL-uuring, mis esitas erinevatel plekkidel välja töötatud algoritme ja kasutas varem avaldatutega võrreldes suurt hulka annoteeritud pilte. Järgmisena kirjeldatakse meie töö peamisi järeldusi ja olulisi järeldusi.

Võrdlus praeguse kirjandusega

Varasemate uuringute 36–44 ja meie panuse erinevused on kokku võetud lisajoonisel S6.

Varem avaldatud uuringud keskenduvad ühele histoloogilisele primitiivile ja ühele plekile. Näiteks Marsh et al. hindas CNN-sid globaalse glomeruloskleroosi tuvastamiseks siirdatud neeru külmutatud lõikudes, mis olid värvitud H&E36-ga; Kanna jt. hindas CNN-e, et eristada normaalseid, segmentaalselt ja globaalselt skleroseerunud glomeruleid trikroomiga värvitud formaliiniga fikseeritud ja parafiiniga manustatud neerulõikudest37; Gallego jt. rakendas DL-i, et tuvastada glomeruli PAS-värvitud lõikudel; Bel

Varem avaldatud uuringud keskenduvad ühele histoloogilisele primitiivile ja ühele plekile. Näiteks Marsh et al. hindas CNN-sid globaalse glomeruloskleroosi tuvastamiseks siirdatud neeru külmutatud lõikudes, mis olid värvitud H&E36-ga; Kanna jt. hindas CNN-e, et eristada normaalseid, segmentaalselt ja globaalselt skleroseerunud glomeruleid trikroomiga värvitud formaliiniga fikseeritud ja parafiiniga manustatud neerulõikudest37; Gallego jt. rakendas DL-i, et tuvastada glomeruli PAS-värvitud lõikudel; Bel et al. demonstreeris normaalsete ja patoloogiliste histoloogiliste struktuuride segmenteerimist, kasutades nefrektoomia ajukoore koe PAS-värvitud WSI-sid. Temerinac Ott et al. demonstreerida DL-lähenemist, et parandada glomerulaarde tuvastamist ühel värvimisel, kasutades sama koe erinevalt värvitud lõikude tulemusi.1 Meie DL-võrgud kõigil neljal plekil on esimene samm tulevaseks kliiniliseks kasutuselevõtuks, mis võimaldab tuvastada, segmenteerida ja lõpuks kvantifitseerida mitut normaalset histoloogilised primitiivid kõigis diagnostilistel eesmärkidel rutiinselt kasutatavates plekkides.

Veel üks kriitiline element, mida tuleb enne nende kasutamist suuremahulistes DL-võrkudes arvesse võtta, on see, kuidas neid saab rakendada heterogeensete andmekogumite jaoks. Meie DL-mudeleid koolitati ja testiti väga heterogeensete WSI-de komplektiga, mille koe omandamise, töötlemise ja slaidi ettevalmistamise eelanalüütilised variatsioonid, kasutades 4 plekki, hõlbustas seega DL-meetodi rakendatavuse täpset hindamist mitmes kohas.

Histoloogiliste primitiivide segmenteerimiseks on kasutatud erinevaid DL-lähenemisi, nagu näiteks Gadermayr jt generatiivsete vastandlike sügavate võrkude rakendamine plekkidest sõltumatuks glomerulaarsegmenteerimiseks. Bel et al. kasutas DL-rakendustes mitmekeskuselise plekkide teisendamiseks tsüklikonsistentsi generatiivseid võistlevaid võrke (tsükli-GAN-e). Hermsen et al. on demonstreerinud 7 koeklassi U-Net-põhist segmenteerimist, kasutades 40 PAS-värvi siirdamise biopsiat.2 Meie lähenemisviis selles uuringus oli töötada välja mitu U-Neti-põhist DL-võrku, kasutades optimaalset digitaalset suurendust ja erinevat arvu annotatsioone primitiivide ja plekkide lõikes.

Kõikides varasemates töödes on meie uuringuga võrreldes kasutatud suhteliselt väiksemat arvu neerubiopsiate/nefrektoomiate WSI-sid (tabel 2). Suure WSI-andmestiku kasutamine võimaldas meil anda patoloogidele teadmisi, kuidas luua iga primitiivse ja pleki kohta hästi kommenteeritud treeningnäidiseid. samuti U-Neti CNN-ide abil parima võrgu jõudluse saavutamiseks vajalike koolitusnäidete arv (joonis 8).

Individuaalsete histoloogiliste primitiivide segmenteerimise spetsiifilisus ja nende patoloogiline varieeruvus on DL-mudelite kliinilises praktikas kasutuselevõtul kriitilise tähtsusega.12,43 Selles töös loodud DL-võrgud on spetsiifilised struktuurselt normaalsetele histoloogilistele primitiividele, nagu need, mida on näha MCD-s või nefrektoomiad ja seda saab rakendada nii täiskasvanute kui ka laste neerubiopsiate jaoks. Kui DL-võrke testiti nefrektoomiaproovide neeru parenhüümi plaastritel, säilis struktuurselt normaalsete histoloogiliste primitiivide spetsiifilisus. Selles uuringus esitatud DL-raamistik võimaldab ka tulevikus luua võrgustikke, mis on konkreetselt keskendunud automatiseeritud segmenteerimisele ja struktuurselt ebanormaalsete histoloogiliste primitiivide hindamisele ning nende seosele kliiniliste tulemustega.

neerufunktsiooni parandamine: cistanche tubulosa ekstrakt

Erinevate plekkide DL-põhine pingerida

Meie uuring näitab, et PAS-plekk sobib kõige paremini struktuurselt normaalsete histoloogiliste primitiivide tuvastamiseks U-Net mudeli abil. Selle põhjuseks võib olla asjaolu, et PAS näib olevat TRI või SIL-iga võrreldes patoloogialaborites järjekindlalt homogeensem. PAS-värvitud WSI-d tõstavad esile erinevate struktuuride alusmembraane, mis omakorda annab iga segmenteeritava primitiivse piiri suurepärase määratluse. Sel põhjusel oli PAS ainus plekk, mida kasutati peritubulaarsete kapillaaride segmenteerimiseks. Meie tulemuste põhjal näitasid PAS- ja H&E-plekid paremat jõudlust glomerulaarkimbu ja ühiku segmenteerimiseks, PAS ja TRI arterite/arterioolide, PAS ja SIL torukujuliste segmentide ning PAS peritubulaarsete kapillaaride puhul. Optimaalne digitaalne suurendus DL-mudelitele

Meie tulemused näitavad, et ühtse plaastri suurusega 256 × 256 oli DL-mudelite optimaalne suurendus glomerulite puhul 5 ×, tuubulite ja veresoonte puhul 10 × ning kapillaaride puhul 40 × (joonis 1). Huvitaval kombel oli enamik optimaalseid suurendusi olid kooskõlas suurendustega, mida patoloogid kalduvad kasutama üksikute primitiivide märkimisel, välja arvatud glomerulid, kus patoloogid kasutasid 15× kuni 20×. Suuremad struktuurid, nagu glomerulid, tuubulid ja veresooned, segmenteeriti võrgustiku järgi täpsemalt 5× kuni 20×. 10× suurendus olenemata plekist. Väiksemate struktuuride, nagu peritubulaarsed kapillaarid, jaoks oli DL täpseks segmenteerimiseks vaja suuremat digitaalset suurendust (40 ×).

DL-segmenteerimise jõudlus saitide ja artefaktide lõikes Kudede ettevalmistamise heterogeensus ja analüütika standardimise puudumine on eriti oluline mitmekeskuseliste uuringute puhul, kus patoloogia materjali kogutakse mitmest laborist. Ootuspäraselt on kudede esitusviisi ja klaasi, koe ja skaneerimise artefaktide heterogeensus. täheldati, millest igaühe panus DL-i jõudlusesse oli erinev. Näiteks kuigi üldiselt oli kudede artefaktidel DL-võrkudele piiratud mõju, näis, et sektsiooni paksus mõjutas jõudlust. Üksikute artefaktide mõju oli samuti seotud histoloogilise primitiiviga; Näiteks näitasid klaasist artefaktid kerget negatiivset mõju arterite/arterioolide ja proksimaalsete tuubulite DL-i jõudlusele.

Lisaks oli DL-i jõudluses saitide lõikes varieeruvus ja see varieeruvus näis olevat histoloogilisest primitiivsest sõltuv (täiendav joonis S4).

DL-i jõudlus treeningnäidete arvu funktsioonina

Meie kvantitatiivsed andmed kinnitasid intuitiivset oletust, et nende primitiivide jaoks, mida on visuaalselt raskem tuvastada (st tangentsiaalselt lõigatud arterid/arterioolid või primitiivid huvipakkuva piirkonna servas [ROI]) on vaja rohkem näiteid (joonis 8). liiga väikesed või liiga määratlemata primitiivid (st peritubulaarsed kapillaarid), kureerimine ja iteratiivne annotatsioon olid vajalikud segmenteerimise täpsuse parandamiseks. Glomerulaarsete kimpude segmenteerimiseks lähenes võrk väikese arvu (60-183) treeningnäidetega maksimaalse täpsuseni; toimivus ei paranenud täiendavate näidete lisamisega. Tubulite ja arterite/arterioolide segmenteerimise puhul näitasid vastavad võrgud marginaalset kuni vahepealset jõudluse paranemist koos kasvava arvu näidetega. Seevastu täheldati F-skoori ja DSC(0.27-0.81) olulist suurenemist koos peritubulaarsete kapillaaride arvu 2,5-kordse suurenemisega, mis on F-skoori lineaarne suurenemine. mis näitab veelgi paremat täpsust rohkemate näidistega.

Segmenteerimise tulemuste tõlgendamine

Huvipakkuvates artefaktidega piirkondades (st kudede voldid, ebaühtlane värvumine) täheldati vähe valepositiivseid tulemusi, mis viitab vajadusele slaidipiltide digitaalse kvaliteedi hindamise järele enne arvutusmudelite käivitamist (täiendav joonis S4). Mõnes ROI-s DL näis olevat patoloogidest parem – näiteks kui väike osa arterist/arterioolist asus ROI-de servas ja patoloog ei märkinud seda käsitsi kui põhitõde, kuna neid oli visuaalselt raske tuvastada. Seda saab seletada arterite segmenteerimiseks kasutatud protokolliga, kus patoloogid hõlmasid ainult artereid, kus sein (tunica media ja intima) ja luumen olid nähtavad, ning segmenteerisid tuunikakandja välispiiri. Seega tuvastasid mudelid, mis olid koolitatud tuvastama arterite tunikakeskkonda ja intima, arterite/arterioolide väikesed fragmendid (arterite/arterioolide sein tangentsiaalselt lõigatud), hoolimata valendiku puudumisest (joonis 9).

Lisaks on neerubiopsia lõikudes tuubuleid sagedamini näha risti- kui pikisuunalistes lõikudes. Esialgne klassifikaator jätsid vahele mõned pikisuunas lõigatud tuubulid, enamasti H&E värvitud piltidel, kuna tuubulite piirid olid vähem teravad ja pikisuunas läbilõikega tuubulid olid esialgses treeningkomplektis alaesindatud. Annotatsiooni ja võrgu protsessi hõlbustamiseks ja täiustamiseks tuvastas patoloog visuaalselt ja täpsustas tuubulite U-Net segmenteerimisega seotud valenegatiivsed vead ja täpsustas neid käsitsi ning värskendatud annotatsioonid tagastati võrku. Esimese iteratsiooni ajal tuvastati DL-algoritmiga (valepositiivsed) ka mõned väikesed arterioolid valesti distaalsete tuubulitena. Patoloog eemaldas need valepositiivsed annotatsioonid pärast klassifikaatori esialgse väljundi ülevaatamist ja parandatud pildid tagastati võrku ümberõppeks, muutmata eksperimentaalset seadistust või võrgu parameetreid, et kõrvaldada DL-algoritmi valepositiivsed ja negatiivsed vead.45

Kooskõlas praeguste jagamisjuhistega muudame selle aruandega kogukonnale avalikult kättesaadavaks kõik oma andmed ja nendega kaasnevad tõepõhimõtted. Selle töö raames avaldatud veebipõhine lisamaterjal peaks eeldatavasti edendama arvutusliku neerupatoloogia valdkonda ja pakkuma parimaid tavasid annotatsioonide, suurendamiste, suurenduste ja soovitatavate plekkide genereerimiseks, et segmenteerimisülesandeid optimaalselt täita.

Kokkuvõtteks võib öelda, et see uuring kujutab endast tugevat alust masinõppe klassifikaatorite kasutuselevõtuks, et aidata kaasa suuremahulistele kudede kvantifitseerimisele ja masin-inimese interaktiivsete protokollide rakendamisele kliinilistes ja patoloogilistes töövoogudes. Histoloogiliste primitiivide DL-segmenteerimine võimaldab biopsia tõlgendamise võimaldamiseks histomorfomeetriliste tunnuste arvutuslikku tuletamist. Lisaks sillutab selles töös esitatud raamistik ka teed uute DL-võrkude arendamiseks tulevikus, mis on spetsiaalselt suunatud (i) ebanormaalsetele või patoloogilistele histoloogilistele primitiividele (st globaalsele ja segmentaalsele skleroosile, glomerulaarsete proliferatsiooni tunnustele, kogumiskanalitele, veenid ja perifeersed närvid, tubulaarne atroofia, interstitsiaalne fibroos ja arterioskleroos), (ii) neerukoor ja medullaarsed sektsioonid ning (ii) laiem haiguste spekter. Lisaks võiksid need uudsed lähenemisviisid sillutada teed masinõppevahendite väljatöötamisele, mis pakuvad haiguste prognoosi või isegi hõlbustavad kliiniliselt toimivate, mittepurustavate arvutuspatoloogial põhinevate 25, 27, 48 neeruhaiguste diagnostiliste biomarkerite avastamist, mis ennustab ravivastust4.

Cistanche efektiivne neeruhaiguste korral

Märkus: tsitanche on kõrbetes kasvav toobirohi. seda nimetatakse ka draakoni ürdiks ja kõrbe ženšenniks. parmokoloogiliste uuringute kohaselt on cistanche'il palju mõjusid, mis on inimeste tervisele suurepärased, näiteks parandavad immuunsust, vähendavad väsimust ja parandavad neerufunktsiooni jne. Chengdu wecistanhce keskendub esmaklassiliste cistanche toodete tarnimisele.