Engineering the future of 3D pathology.
Engineering the future of 3D pathology.
复制标题
DOI：
10.1002/cjp2.347
复制
发表时间：
2024-01
期刊：
影响因子：
--
通讯作者：
True LD
中科院分区：
文献类型：
--
作者：
Liu JT;Chow SS;Colling R;Downes MR;Farré X;Humphrey P;Janowczyk A;Mirtti T;Verrill C;Zlobec I;True LD
近年来，组织制备、高通量体积显微镜和计算基础设施方面的技术进步使非破坏性3D病理学的快速发展成为可能，其中高分辨率组织学数据集可以从厚组织标本（如整个活检）中获得，而无需在玻片上进行物理切片。虽然3D病理学产生了大量的数据集，对自动计算分析很有吸引力，但人们也希望使用3D病理学来改善组织组织学的视觉评估。从这个角度来看，我们讨论并提供了3D病理学在临床标本视觉评估方面的潜在优势的例子，以及处理大型3D数据集（单个或多个标本）的挑战，病理学家尚未接受过解释的培训。我们讨论了人工智能分类算法和可解释的分析方法的需求，以帮助病理学家或其他领域的专家解释这些新颖的，通常是复杂的，大型数据集。
In recent years, technological advances in tissue preparation, high‐throughput volumetric microscopy, and computational infrastructure have enabled rapid developments in nondestructive 3D pathology, in which high‐resolution histologic datasets are obtained from thick tissue specimens, such as whole biopsies, without the need for physical sectioning onto glass slides. While 3D pathology generates massive datasets that are attractive for automated computational analysis, there is also a desire to use 3D pathology to improve the visual assessment of tissue histology. In this perspective, we discuss and provide examples of potential advantages of 3D pathology for the visual assessment of clinical specimens and the challenges of dealing with large 3D datasets (of individual or multiple specimens) that pathologists have not been trained to interpret. We discuss the need for artificial intelligence triaging algorithms and explainable analysis methods to assist pathologists or other domain experts in the interpretation of these novel, often complex, large datasets.
登录
查看更多内容
鼠肾脏的3D虚拟组织学 - 通过微计算机断层扫描对病理改变的高分辨率可视化。
影响因子：
4.6
作者：
Missbach-Guentner J;Pinkert-Leetsch D;Dullin C;Ufartes R;Hornung D;Tampe B;Zeisberg M;Alves F
通讯作者：
Alves F
影响因子：
28.1
作者：
Lu MY;Williamson DFK;Chen TY;Chen RJ;Barbieri M;Mahmood F
通讯作者：
Mahmood F
影响因子：
3.8
作者：
McClatchy, David M., III;Zuurbier, Rebecca A.;Pogue, Brian W.
通讯作者：
Pogue, Brian W.
影响因子：
3.7
作者：
Giacomelli MG;Husvogt L;Vardeh H;Faulkner-Jones BE;Hornegger J;Connolly JL;Fujimoto JG
通讯作者：
Fujimoto JG
影响因子：
7.3
作者：
Bronsert, P.;Enderle-Ammour, K.;Wellner, U. F.
通讯作者：
Wellner, U. F.