A generative adversarial approach to facilitate archival-quality histopathologic diagnoses from frozen tissue sections.
A generative adversarial approach to facilitate archival-quality histopathologic diagnoses from frozen tissue sections.
复制标题
DOI：
10.1038/s41374-021-00718-y
复制
发表时间：
2022-05
影响因子：
5
通讯作者：
Bhargava, Rohit
中科院分区：
文献类型：
--
作者：
Falahkheirkhah, Kianoush;Guo, Tao;Hwang, Michael;Tamboli, Pheroze;Wood, Christopher G.;Karam, Jose A.;Sircar, Kanishka;Bhargava, Rohit
在涉及组织病理学的临床诊断和研究中，福尔马林固定石蜡包埋（FFPE）组织因其出色的图像质量而几乎普遍受到青睐。然而，组织处理时间（>24小时）可能会减慢决策。相比之下，新鲜冷冻（FF）处理（<1小时）可以产生快速信息，但由于缺乏清晰度，形态变形和更频繁的伪影，诊断准确性不佳。在这里，我们使用人工智能来弥合这一差距。我们使用生成对抗网络（GAN）从FF图像合成类似FFPE的图像（“虚拟FFPE”），该生成对抗网络来自来自40名患者的98对肾脏样本。五名委员会认证的病理学家在盲法测试中评估了结果。虚拟FFPE数据的图像质量被评估为高，并且显示出与真实的FFPE图像的密切相似性。与FF图像相比，虚拟FFPE图像上的疾病临床评估显示出更高的观察者间一致性。几乎即时生成的虚拟FFPE图像不仅可以减少获得信息的时间，而且可以促进从常规FF图像进行更精确的诊断，而无需额外的成本和努力。
In clinical diagnostics and research involving histopathology, formalin fixed paraffin embedded (FFPE) tissue is almost universally favored for its superb image quality. However, tissue processing time (>24 hours) can slow decision-making. In contrast, fresh frozen (FF) processing (<1 hour) can yield rapid information but diagnostic accuracy is suboptimal due to lack of clearing, morphologic deformation and more frequent artifacts. Here, we bridge this gap using artificial intelligence. We synthesize FFPE-like images (“virtual FFPE”) from FF images using a generative adversarial network (GAN) from 98 paired kidney samples derived from 40 patients. Five board-certified pathologists evaluated the results in a blinded test. Image quality of the virtual FFPE data was assessed to be high and showed a close resemblance to real FFPE images. Clinical assessments of disease on the virtual FFPE images showed a higher inter-observer agreement compared to FF images. The nearly instantaneously generated virtual FFPE images can not only reduce time to information but can facilitate more precise diagnosis from routine FF images without extraneous costs and effort.
登录
查看更多内容
DOI：
10.1016/j.chemolab.2021.104390
发表时间：
2021-07-31
影响因子：
3.9
作者：
Falahkheirkhah, Kianoush;Yeh, Kevin;Bhargava, Rohit
通讯作者：
Bhargava, Rohit
影响因子：
3.3
作者：
Horowitz, Richard E.
通讯作者：
Horowitz, Richard E.
影响因子：
8.9
作者：
FERREIRO, JA;MYERS, JL;BOSTWICK, DG
通讯作者：
BOSTWICK, DG
影响因子：
6.2
作者：
Lang, H;Lindner, W;Jacqmin, D
通讯作者：
Jacqmin, D
影响因子：
10.6
作者：
BenTaieb, Aicha;Hamarneh, Ghassan
通讯作者：
Hamarneh, Ghassan