利用自学习 AI 技术实现肾小球快速自动化探测和分割

研究人员通常依赖分析大型图像集来获取其调查所需的相关数据。这些分析可以同时兼具定量分析和定性分析，而且还必须可靠和公正。依据受到关注的形态区域而定，此任务可能相当繁琐。为了加快这一过程，奥林巴斯提供了搭配 SLIDEVIEW VS200 扫描系统使用的深度学习解决方案。在本实验中，可以使用扫描系统的自学图像分析软件模块来探测肾脏中的肾小球。

肾小球的探测与分割

在肾脏病理学研究中，科学家致力于阐明肾脏关联性疾病的复杂过程，以便能够开发出更好、更高效的治疗方法。

肾脏发挥着许多重要功能，这些功能在肾小球的帮助下有助于维持我们的整体健康。肾小球是过滤血浆和维持体内平衡的肾脏结构。肾小球可能在若干疾病条件下受到影响，科学家们正在对此进行广泛研究。这项科学研究一个至关重要的部分是分析大量的肾脏切片，这些切片使用各种染色方案制备，旨在发现这些特定的结构。

肾脏切片图像分析对于确定肾小球形态或数量的变化可能至关重要。但为了进行研究而处理多个样品可能耗时并具有主观性。为了加速和优化这一过程，肾脏病理学研究人员可以利用 SLIDEVIEW VS200 数字玻片扫描系统快速扫描大量玻片。该系统的图像分析软件现在采用深度学习神经网络模块，可以通过训练识别存在尺寸、形状或颜色差异的肾小球。

自动探测和分割肾小球的挑战

肾组织的复杂性、病理学特征的异质性以及肾组织学准备时使用多种染色剂的传统，使得计算机辅助图像分析肾活检样品具有挑战性。组织切片染色也可能因所用的染色剂量差异而使每张玻片具有不同的颜色强度。

所有这些与肾小球外观以及数字组织图像相关的差异都使自动化分类变得困难。正因如此，对 VS200 全玻片扫描系统和 TruAI 深度学习解决方案来说，在肾组织中应用肾小球探测技术是对其可行性和效能特别严格的考验。

20 倍下肾小球染色为深棕色的肾组织切片的玻片（左侧）与 10 倍下呈现的基于传统阈值法（红色）的探测结果，该探测无法区分肾小球细胞与其他组织细胞（右侧）。 图像承蒙加州山景城（美国）ChemoCentryx, Inc. 首席科学家 Zhenhua Miao 提供

使用 SLIDEVIEW VS200 扫描系统和 TruAI 深度学习解决方案进行的实验

为了分析已扫描图像中的这些结构，研究人员通常会手动选择肾小球，这非常耗时。此外，如上所示，传统的自动分割方法，如基于阈值的算法，无法专用于探测。

VS200 玻片扫描软件包包括用于图像分析的 VS-Desktop 软件。这个软件提供了一个 TruAI 模块，该模块运用深度学习方法进行基于卷积神经网络的探测和分割。这些网络是一种自学习显微术，是一种功能极其强大的对象分割技术。得益于这项技术，我们可以自动化探测肾脏中的肾小球。

下一节将说明神经网络的训练流程。

使用深度学习自动探测和分割样品的简易工作流程 实现这种自动分析的第一步是向软件提供带注释的样品图像或“实际”数据。这是通过在 VS-Desktop 软件中，对少量图像中的肾小球进行手动标示来创建的。标记的对象越多，效果越好。在强度、颜色、大小和形状上存在差异的对象数量越多，神经网络就越强大。VS 图像分析软件有各种工具来帮助完成这一步骤，从而使其易于使用。
生成标示数据后，下一步是训练深度神经网络（DNN）。在此阶段，网络将实际数据与其自己计算的数据进行比较，直至达到高几率值。这些计算数据是一种人工智能 (AI)，它模仿人脑（所谓的 DNN），会学习识别结构并做出智能判断。

最后，计算出的 DNN 应用于其余肾脏图像，以自动探测和分离肾小球。

受过专门训练的奥林巴斯 TruAI 深度神经网络可以迁移到任何 VS200 桌面工作站以及其他兼容的奥林巴斯产品上使用。

此过程产生如下所示的自动化工作流程。分割肾小球包括以下三个简单步骤：

1.使用 SLIDEVIEW VS200 数字玻片扫描系统扫描新图像。

2.肾小球由受过专门训练的 DNN 探测和分离。

3.探测到的肾小球可以分割并用于对输出图像进行进一步的计测分析。

使用肾小球探测和分割深度学习解决方案的 SLIDEVIEW VS200 扫描系统所具备优势概述

TruAI 模块能够对复杂图像中的肾小球进行轻松的对象探测和分割，并且可靠和准确程度远高于现有的其他自动方法。还可以基于这些分割结果执行进一步分析，如计数和测量。

SLIDEVIEW VS200 扫描系统搭配 TruAI 深度学习解决方案使用，可以在多种生物学应用（如明场和荧光标记中的细胞和组织样品）中用于各种图像，形成从样品采集到准确定量数据分析的完整工作流程。

图像分析的精确自动化让科学家们可以从大量单调乏味的人力工作中解脱出来，从而提高他们的研究效率。

作者

• 美国加州山景城 ChemoCentryx, Inc. 首席科学家 Zhenhua Miao
• 德国明斯特 Olympus Soft Imaging Solutions GmbH 产品经理 Sara Quiñones Gonzalez
• 德国明斯特 Olympus Soft Imaging Solutions 销售支持经理 Daniel Göttel