組織学的全体のスライド画像の染色されていない組織イメージングと仮想ヘマトキシリンとエオシン染色

組織構造、表現型、および病理学は、組織学に基づいて日常的に調査されています。これには、透明な組織切片を化学的に染色して、人間の目に見えるようにすることが含まれます。化学染色は高速で日常的ですが、組織を永久に変化させ、しばしば危険な試薬を消費します。一方、組み合わせ測定に隣接する組織切片を使用すると、組織のさまざまな部分を表すセクションにより、細胞ごとの解像度が失われます。したがって、まったく同じ組織セクションから追加の測定を可能にする基本的な組織構造の視覚情報を提供する手法が必要です。ここでは、計算ヘマトキシリンとエオシン（HE）染色の発生のために、染色されていない組織イメージングをテストしました。監視されていないディープラーニング（サイクルガン）と前立腺組織切片のスライド画像全体を使用して、パラフィンのイメージング組織のパフォーマンスを比較しました。これは、空気中で脱ペルフィン化され、セクションの厚さで3〜20μmの間で変化する培地で脱パラフィンしています。厚いセクションでは、画像内の組織構造の情報含有量が増加しますが、一般に、仮想染色で再現できる情報を提供する際に、より薄いセクションのパフォーマンスが向上することを示しました。私たちの結果によると、パラフィンで画像化され、脱パラフィン化された組織は、実質的に彼の染色画像の組織の全体的な表現を提供します。さらに、PIX2PIXモデルを使用して、監視された学習とピクセルごとのグラウンドトゥルースを使用して、画像間翻訳を使用すると、全体的な組織組織学の繁殖が明確に改善できることを示しました。また、仮想HE染色をさまざまな組織に使用し、20倍と40×イメージングの両方の倍率で使用できることを示しました。仮想染色のパフォーマンスと方法にはさらなる開発が必要ですが、私たちの研究は、組織組織学の仮想染色を生成するための高速で安価で実現可能なアプローチとしてのスライド全体の実行可能なアプローチの実現可能性の証拠を提供します。シングルセル解像度でのフォローアップ方法を使用した利用。

Tissue structures, phenotypes, and pathology are routinely investigated based on histology. This includes chemically staining the transparent tissue sections to make them visible to the human eye. Although chemical staining is fast and routine, it permanently alters the tissue and often consumes hazardous reagents. On the other hand, on using adjacent tissue sections for combined measurements, the cell-wise resolution is lost owing to sections representing different parts of the tissue. Hence, techniques providing visual information of the basic tissue structure enabling additional measurements from the exact same tissue section are required. Here we tested unstained tissue imaging for the development of computational hematoxylin and eosin (HE) staining. We used unsupervised deep learning (CycleGAN) and whole slide images of prostate tissue sections to compare the performance of imaging tissue in paraffin, as deparaffinized in air, and as deparaffinized in mounting medium with section thicknesses varying between 3 and 20 μm. We showed that although thicker sections increase the information content of tissue structures in the images, thinner sections generally perform better in providing information that can be reproduced in virtual staining. According to our results, tissue imaged in paraffin and as deparaffinized provides a good overall representation of the tissue for virtually HE-stained images. Further, using a pix2pix model, we showed that the reproduction of overall tissue histology can be clearly improved with image-to-image translation using supervised learning and pixel-wise ground truth. We also showed that virtual HE staining can be used for various tissues and used with both 20× and 40× imaging magnifications. Although the performance and methods of virtual staining need further development, our study provides evidence of the feasibility of whole slide unstained microscopy as a fast, cheap, and feasible approach to producing virtual staining of tissue histology while sparing the exact same tissue section ready for subsequent utilization with follow-up methods at single-cell resolution.