Penggunaan Pembelajaran Dalam Untuk Segmen Automatik Primitif Histologi Buah Pinggang

Hubungi: Audrey Hu (Whatsapp:008613880143964) E-mel:audrey.hu@wecistanche.com

BAHAGIAN II.: Pembangunan dan penilaian segmen berasaskan pembelajaran mendalam struktur histologic dalam korteks buah pinggang dengan pelbagai kesan histologik

Catherine P.Jayapandian, Yiiang Chen,Andrew R. Janowczyk & et al.

Penggunaan pembelajaran mendalam untuk segmentasi automatik (persempadanan sempadan) primitif histologic (struktur)dari keseluruhan imej slaid boleh memudahkan penubuhan protokol novel untuk penilaian biopsi buah pinggang. Di sini, kami membangunkan dan mengesahkan rangkaian pembelajaran mendalam untuk pembahagian struktur histologik pada biopsi buah pinggang dan nefrectomies. Untuk pembangunan, kami memeriksa 125 biopsi untuk Penyakit Perubahan Minimal yang dikumpulkan di 29 pusat pendaftaran NEPTUNE bersama dengan 459 gambar slaid keseluruhan yang diwarnai dengan Hematoxylin & Eosin (125), Asid Berkala Schiff (125), Perak (102), dan Trikrom (107) dibahagikan kepada set latihan, pengesahan dan ujian (nisbah 6:1:3). Struktur histologi telah dibahagikan secara manual (30048 jumlah anotasi) oleh lima ahli nefrropatologi. Dua puluh model pembelajaran mendalam dilatih dengan pembesaran digital yang optimum merentasi struktur dan noda. Imej slaid keseluruhan yang bernoda asid Schiff secara berkala menghasilkan konkorden terbaik antara ahli patologi dan segmentasi pembelajaran mendalam merentasi semua struktur (F-skor:0.93 untuk tuft glomerular,0.94 untuk tuft glomerular ditambah kapsul Bowman, 0.91 untuk tubules proksimal,0.93 untuk segmen tiub distal,0.81 untuk kapilari peritubular, dan 0.85 untuk arteri dan arterioles yang berbeza). Pembesaran digital yang optimum adalah 5X untuk tuft/tuft glomerular ditambah kapsul Bowman, 10X untuk tiub proksimal/distal, arteri dan arterioles afferent, dan 40X untuk capillries peritubular. Imej slaid keseluruhan berwarna perak menghasilkan prestasi pembelajaran mendalam yang paling teruk. Oleh itu, kajian terbesar ini setakat ini menyesuaikan pembelajaran mendalam untuk pembahagian struktur histologi buah pinggang merentasi pelbagai noda dan makmal patologi. Semua data yang digunakan untuk latihan dan ujian dan tutorial dalam talian terperinci akan tersedia secara terbuka.

herba peningkatan fungsi sebenar:cistanche

KLIK DI SINI UNTUK BAHAGIAN I.

PERBINCANGAN

Penilaian biopsi buah pinggang adalah unik berbanding dengan spesimen patologi pembedahan lain kerana pelbagai noda yang digunakan secara rutin. Penilaian morfologi bergantung pada kualiti persediaan, kepakaran ahli patologi dalam mengesan struktur individu dan perubahan yang berkaitan, dan metrik kuantitatif atau semiquantitatif yang digunakan untuk menangkap tahap kerosakan tisu. Penilaian kuantitatif histologik visual seperti pengiraan, pengedaran, dan morfometri primitif histologik tertentu diketahui sebagai peramal hasil yang kuat untuk pelbagai penyakit buah pinggang.10,17-23 Walau bagaimanapun, analisis kuantitatif tetap menjadi cabaran bagi mata manusia. Sesetengah primitif ini (contohnya, kapilari peritubular)tidak boleh diukur secara visual atau manully dan menjamin bantuan algoritma pengiraan. Kajian baru-baru ini telah mencadangkan bahawa alat penglihatan komputer boleh berfungsi sebagai alat sokongan triage dan keputusan untuk diagnosis penyakit dengan patologi digital.

24~27

Oleh itu, alat analisis imej automatik perlu dilaksanakan dan diintegrasikan ke dalam aliran kerja patologi untuk pembahagian primitifnya yang cekap dan boleh dipercayai merentasi pelbagai jenis noda. Alat segmentasi DL dapat sangat memudahkan penerbitan bukan sahaja ciri-ciri histomorphometrik visual tetapi juga subvisual (contohnya, bentuk, teks, dan ciri grafik) untuk korelasi dengan diagnosis dan hasil.280 Kajian ini cuba menangani cabaran patologi buah pinggang pengiraan untuk soal siasat tisu berskala besar dengan menyediakan algoritma DL untuk anotasi menyeluruh enam primitif histologik pada parenchyma buah pinggang penyakit perubahan minimum (MCD), menggunakan keseluruhan imej slaid (WSI) 4 noda dan dijana di 29 pusat pendaftaran NEPTUNE. Dalam beberapa tahun kebelakangan ini, beberapa kajian telah menunjukkan penggunaan rangkaian DL untuk analisis imej tahap rendah (iaitu, pengesanan, segmentasi, dan klasifikasi primitif histologik)dan tugas prognosis dan ramalan kompleks peringkat tinggi.1-35 Kajian kami adalah kajian DL terbesar, komprehensif biopsi buah pinggang, menyampaikan algoritma yang dibangunkan pada noda yang berbeza dan menggunakan sebilangan besar imej anotasi, berbanding dengan yang diterbitkan sebelum ini. Kesimpulan utama dan fifinding yang ketara dari kerja kami diterangkan seterusnya.

Perbandingan dengan kesusasteraan semasa

Perbezaan antara kajian terdahulu36-44 dan sumbangan kami diringkaskan dalam Rajah Tambahan S6.

Kajian yang diterbitkan sebelum ini memberi tumpuan kepada satu primitif histologi dan satu noda. Sebagai contoh, Marsh et al. menilai CNN untuk mengesan glomerulosklerosis global dalam bahagian beku buah pinggang pemindahan yang diwarnai dengan H&E36; Kanna et al. menilai CNN untuk mendiskriminasi glomeruli normal, segmen dan global sclerosed dari trikrom bernoda formalin fifixed dan paraffifin tertanam bahagian buah pinggang37; Gallego et al. menggunakan DL untuk mengesan glomeruli pada bahagian bernoda PAS; Bel

Kajian yang diterbitkan sebelum ini memberi tumpuan kepada satu primitif histologi dan satu noda. Sebagai contoh, Marsh et al. menilai CNN untuk mengesan glomerulosklerosis global dalam bahagian beku buah pinggang pemindahan yang diwarnai dengan H&E36; Kanna et al. menilai CNN untuk mendiskriminasi glomeruli normal, segmen dan global sclerosed dari trikrom bernoda formalin fifixed dan paraffifin tertanam bahagian buah pinggang37; Gallego et al. menggunakan DL untuk mengesan glomeruli pada bahagian bernoda PAS; Bel et al. menunjukkan segmentasi struktur histologik normal dan patologi menggunakan PAS mengotorkan WSI tisu korteks nefrektomi. Temerinac Ott et al. menunjukkan pendekatan DL untuk meningkatkan pengesanan glomerular pada 1 pewarnaan menggunakan hasil dari bahagian yang berbeza bernoda tisu yang sama.1 Rangkaian DL kami pada semua 4 noda mewakili langkah pertama untuk penggunaan klinikal masa depan yang membolehkan pengesanan, pembahagian, dan akhirnya mengukur beberapa primitif histologik normal dalam semua noda yang digunakan secara rutin untuk tujuan diagnostik.

Satu lagi elemen kritikal yang perlu diambil kira sebelum penggunaannya dalam rangkaian DL berskala besar ialah bagaimana ia boleh digunakan untuk set data heterogen. Model DL kami dilatih dan diuji pada set WSI yang sangat heterogen dengan variasi preanalytic dalam pemerolehan tisu, pemprosesan, dan penyediaan slaid menggunakan 4 noda, sehingga memudahkan penilaian ketat mengenai kebolehgunaan pendekatan DL dalam suasana multisite.

Pendekatan DL yang berbeza telah digunakan untuk segmentasi primitif histologic, seperti penggunaan Gadermayr et al rangkaian dalam musuh generatif untuk pembahagian glomerular bebas noda. Bel et al. menggunakan kitaran yang konsisten rangkaian adversarial generatif konsisten (kitaran-GAN)dalam aplikasi DL untuk transformasi noda multicenter. Hermsen et al. telah menunjukkan segmentasi berasaskan U-Net dari 7 kelas tisu menggunakan 40 biopsi pemindahan pada PAS stain.2 Pendekatan kami, dalam kajian ini, adalah untuk membangunkan pelbagai rangkaian DL berasaskan U-Net menggunakan pembesaran digital yang optimum dan pelbagai anotasi merentasi primitif dan noda.

Semua karya sebelumnya telah menggunakan bilangan WSI biopsi/nephrectomies buah pinggang yang agak kecil berbanding dengan kajian kami (Jadual 2). Penggunaan set data WSI yang besar membolehkan kami memberikan pandangan kepada ahli patologi untuk menghasilkan exemplar latihan yang dianotasi dengan baik untuk setiap primitif dan noda, serta bilangan exemplar latihan yang diperlukan untuk prestasi rangkaian terbaik menggunakan U-Net CNNs (Rajah 8).

Kekhususan segmen primitif histologi individu dan variasi patologi mereka adalah penting untuk penggunaan model DL ke dalam amalan klinikal.12,43 Rangkaian DL yang dihasilkan dalam kerja ini adalah khusus untuk primitif histologik normal struktur, seperti yang dilihat dalam MCD atau nefrectomies, dan boleh digunakan untuk kedua-dua biopsi buah pinggang dewasa dan pediatrik. Apabila rangkaian DL diuji pada tompok parenchyma buah pinggang dari spesimen nefrektomi, kekhususan untuk primitif histologi yang normal secara struktur dikekalkan. Rangka kerja DL yang dibentangkan dalam kajian ini juga akan membolehkan arkitek rangkaian pada masa akan datang yang secara khusus memberi tumpuan kepada segmentasi automatik dan penilaian primitif histologik yang tidak normal secara struktur dan korelasi mereka dengan hasil klinikal.

fungsi buah pinggang improvemet: cistanche tubulosa extract

Kedudukan berasaskan DL dari noda yang berbeza

Kajian kami menunjukkan bahawa noda PAS paling sesuai untuk mengenal pasti primitif histologik normal struktur menggunakan model U-Net. Ini mungkin kerana PAS kelihatan secara konsisten lebih homogen di seluruh makmal patologi berbanding dengan TRI atau SIL. WSI bernoda PAS menyerlahkan membran bawah tanah struktur yang berbeza, yang seterusnya memberikan definisi unggul tentang sempadan setiap primitif tunggal untuk dibahagikan. Atas sebab ini, PAS adalah satu-satunya noda yang digunakan untuk pembahagian kapilari peritubular. Berdasarkan keputusan kami, PAS dan H&E menunjukkan prestasi yang lebih baik untuk tuft glomerular dan segmen unit, PAS dan TRI untuk arteri/arterioles, PAS dan SIL untuk segmen tiub, dan PAS untuk kapilari peritubular. Pembesaran digital optimum untuk model DL

Keputusan kami menunjukkan bahawa dengan saiz tampalan bersatu 256 ×256, pembesaran optimum untuk model DL adalah 5× untuk glomeruli,10× untuk tubules dan kapal, dan 40× untuk kapilari (Rajah 1). Menariknya, kebanyakan pembesaran optimum adalah selaras dengan pembesaran yang cenderung digunakan oleh ahli patologi apabila menganotasi primitif individu, kecuali glomeruli di mana ahli patologi menggunakan 15× hingga 20×. Struktur yang lebih besar seperti glomeruli, tubules, dan kapal lebih tepat dibahagikan oleh rangkaian pada 5× hingga 10× pembesaran tanpa mengira noda. Untuk struktur yang lebih kecil seperti kapilari peritubular, pembesaran digital yang lebih besar (40×) diperlukan untuk pembahagian DL yang tepat.

Prestasi segmentasi DL di seluruh tapak dan artifak Heterogeneity penyediaan tisu dan kekurangan penyeragaman analisis amat relevan untuk kajian multicenter, di mana bahan patologi dikumpulkan dari beberapa makmal. Seperti yang dijangkakan, heterogenitas dalam persembahan tisu dan kaca, tisu, dan artifak pengimbasan diperhatikan, masing-masing dengan sumbangan berubah-ubah kepada prestasi DL. Sebagai contoh, walaupun dalam artifak tisu umum mempunyai kesan terhad pada rangkaian DL, ketebalan bahagian itu nampaknya mempengaruhi prestasi. Kesan artifak individu juga relatif kepada primitif histologic; sebagai contoh, artifak kaca menunjukkan sedikit kesan negatif terhadap prestasi DL untuk arteri/arterioles dan tubules proksimal.

Selain itu, terdapat kebolehubahan dalam prestasi DL di seluruh laman web, dan kebolehubahan ini nampaknya bergantung kepada pergantungan primitifnya (Rajah Tambahan S4).

Prestasi DL sebagai fungsi bilangan exemplar latihan

Data kuantitatif kami mengesahkan andaian intuitif bahawa lebih banyak exemplars diperlukan untuk primitif yang lebih sukar untuk mengenal pasti secara visual (iaitu, arteri/arteriols atau primitif yang dipotong secara tangen di pinggir rantau yang menarik [ROI])(Rajah 8). Bagi primitif yang terlalu kecil atau il ditakrifkan (iaitu kapilari peritubular), curation dan anotasi iteratif diperlukan untuk meningkatkan ketepatan segmentasi. Untuk segmentasi tufts glomerular, rangkaian itu berkumpul dengan ketepatan maksimum dengan sebilangan kecil (60-183) exemplars latihan; prestasi tidak bertambah baik dengan kemasukan exemplars tambahan. Untuk pembahagian tubules dan arteri/arterioles, rangkaian yang sepadan menunjukkan peningkatan prestasi marginal kepada pertengahan dengan peningkatan bilangan exemplars yang semakin meningkat. Sebaliknya, peningkatan ketara dalam F-skor dan DSC(0.27-0.81) diperhatikan dengan peningkatan 2.5 kali ganda dalam bilangan exemplars kapilari peritubular, skop linear peningkatan F-skor menunjukkan ketepatan yang lebih baik dengan lebih banyak exemplars.

Mentafsirkan hasil segmentasi

Beberapa positif palsu diperhatikan di kawasan yang menarik dengan artifak (iaitu lipatan tssue, pewarnaan tidak sekata), mencadangkan keperluan untuk penilaian kualiti digital imej slaid sebelum penggunaan model pengiraan (Rajah Tambahan S4). Dalam beberapa ROI, DL kelihatan mengatasi ahli patologi—contohnya, apabila sebahagian kecil arteri/arteriole berada di pinggir RO dan tidak dianotasi secara manual sebagai kebenaran tanah oleh ahli patologi kerana mereka secara visual sukar untuk dikesan. Ini boleh dijelaskan oleh protokol yang digunakan untuk pembahagian arteri, di mana ahli patologi hanya termasuk arteri di mana dinding (media tunica dan intima) dan lumen kelihatan dan membahagikan sempadan luar media tunica. Oleh itu, model-model, dilatih untuk mengesan media tunica dan intima arteri dengan betul mengenal pasti serpihan kecil media tunica (dinding arterial/arteriolar dipotong secara tangen) sebagai arteri / arterioles walaupun kekurangan lumen (Rajah 9).

Selain itu, tubules dalam bahagian biopsi buah pinggang lebih kerap dilihat dalam melintang daripada bahagian membujur. Pengelas awal terlepas beberapa tubules seksyen membujur, kebanyakannya pada imej bernoda H&E, kerana sempadan tubule kurang tajam, dan tubules seksyen membujur kurang diwakili dalam set latihan awal. Untuk memudahkan dan meningkatkan proses anotasi dan rangkaian, kesilapan negatif palsu yang berkaitan dengan segmentasi U-Net tubules telah dikenal pasti secara visual dan diperhalusi secara manual oleh ahli patologi, dan anotasi yang dikemas kini telah dikembalikan ke rangkaian. Beberapa arterioles kecil juga salah dikenal pasti sebagai tubules distal oleh algoritma DL (positif palsu)semasa lelaran pertama. Anotasi positif palsu ini telah dikeluarkan oleh ahli patologi setelah mengkaji semula output pengelas awal dan imej yang diperbetulkan dikembalikan ke rangkaian untuk latihan semula tanpa mengubah persediaan eksperimen atau parameter rangkaian untuk menghapuskan positif palsu dan kesilapan negatif algoritma DL.45

Selaras dengan garis panduan perkongsian semasa, dengan laporan ini, kami menjadikan semua data kami dan anotasi kebenaran asas yang disertakan tersedia untuk komuniti. Bahan tambahan dalam talian yang dikeluarkan sebagai sebahagian daripada kerja ini dijangka memajukan bidang patologi buah pinggang pengiraan dan menyediakan amalan terbaik untuk menjana anotasi, pembesaran,′pembesaran dan noda yang disyorkan untuk melaksanakan tugas segmentasi secara optimum.

Kesimpulannya, kajian ini mewakili asas yang kukuh untuk menyeru pengelas pembelajaran mesin untuk membantu usaha pengukuran tisu berskala besar dan pelaksanaan protokol interaktif manusia mesin dalam aliran kerja klinikal dan patologi. Segmen DL primitif histologic membolehkan terbitan pengiraan ciri-ciri histomorphometrik untuk membolehkan tafsiran biopsi. Selain itu, rangka kerja yang dibentangkan dalam karya ini juga akan membuka jalan untuk pembangunan rangkaian DL baru pada masa akan datang yang secara khusus ditujukan kepada (i) primitif histologik yang tidak normal atau patologi (iaitu, sklerosis global dan segmen, ciri proliferatif glomerular, mengumpul saluran, urat dan saraf periferi, atrofi tiub, fibrosis interstisial, dan arteriosklerosis),(ii)korteks buah pinggang dan petak medullary, dan (ii) spektrum penyakit yang lebih luas. Selanjutnya, pendekatan novel ini dapat membuka jalan untuk pengembangan alat pembelajaran mesin yang menyediakan prognosis penyakit atau dan bahkan memudahkan penemuan yang meramalkan tindak balas rawatan4 biomarker diagnostik pengimejan berasaskan patologi pengiraan yang tidak dapat diambil tindakan secara klinikal dan tidak merosakkan untuk buah pinggang 25,27,48 penyakit.2

Cistanche berkesan untuk penyakit buah pinggang

Nota: cistanche adalah herba tobic yang tumbuh di padang pasir. ia juga dipanggil herba naga dan ginseng padang pasir. cistanche mempunyai banyak kesan yang bagus untuk kesihatan manusia mengikut kajian parmokologi, seperti meningkatkan imuniti, anti-keletihan dan meningkatkan fungsi buah pinggang dan lain-lain. Chengdu wecistanhce memberi tumpuan kepada membekalkan produk cistanche berkualiti premium.