Anvendelsen af ​​dyb læring til automatiseret segmentering af nyrehistologiske primitiver

Kontakt: Audrey Hu (Whatsapp: 008613880143964) E-mail:audrey.hu@wecistanche.com

DEL Ⅱ: Udvikling og evaluering af deep learning baseret segmentering af histologiske strukturer i nyrebarken med flere histologiske pletter

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

Anvendelsen af ​​dyb læring til automatiseret segmentering (afgrænsning af grænser) af histologiske primitiver (strukturer) fra hele diasbilleder kan lette etableringen af ​​nye protokoller til nyrebiopsivurdering. Her udviklede og validerede vi deep learning netværk til segmentering af histologiske strukturer på nyrebiopsier og nefrektomier. Til udvikling undersøgte vi 125 biopsier for minimal forandringssygdom indsamlet på tværs af 29 NEPTUNE-registreringscentre sammen med 459 hele diasbilleder farvet med Hematoxylin & Eosin(125), Periodic Acid Schiff(125), Silver (102), og Trichrome(107) opdelt i trænings-, validerings- og testsæt (forhold 6:1:3). Histologiske strukturer blev manuelt segmenteret (30048 annotationer i alt) af fem nefropatologer. Tyve deep learning-modeller blev trænet med optimal digital forstørrelse på tværs af strukturer og pletter. Periodic Acid Schiff-farvede hele diasbilleder gav den bedste overensstemmelse mellem patologer og dyb læringssegmentering på tværs af alle strukturer (F-score:0.93 for glomerulære totter,0.94 for glomerulære totter plus Bowmans kapsel, 0,91 for proksimale tubuli, 0,93 for distale tubulære segmenter, 0,81 for peritubulære kapillærer og 0,85 for arterier og afferente arterioler). Optimale digitale forstørrelser var 5X for glomerulær tuft/toft plus Bowmans kapsel, 10X for tubulære, proximale/arterioler. og 40X for peritubulære kapillærer. Sølvfarvede hele diasbilleder gav den værste præstation for dyb læring. Således tilpassede denne hidtil største undersøgelse dyb læring til segmentering af nyrehistologiske strukturer på tværs af flere farvninger og patologiske laboratorier. Alle data, der bruges til træning og test og en detaljeret online tutorial, vil være offentligt tilgængelige.

ægte funktionsforbedrende urt:cistanche

KLIK HER FOR AT DEL Ⅰ

DISKUSSION

Vurderingen af ​​nyrebiopsi er unik sammenlignet med andre kirurgiske patologiske prøver på grund af de mange forskellige farver, der rutinemæssigt anvendes. Morfologisk vurdering er afhængig af præparaternes kvalitet, patologernes ekspertise i at detektere de enkelte strukturer og tilknyttede ændringer og kvantitative eller semikvantitative målinger, der bruges til at fange omfanget af vævsskade. Visuel histologisk kvantitativ vurdering såsom optælling, distribution og morfometri af visse histologiske primitiver er kendt for at være robuste forudsigere for udfaldet for forskellige nyresygdomme.10,17-23 Imidlertid er kvantitativ analyse fortsat en udfordring for det menneskelige øje. Nogle af disse primitiver (f.eks. peritubulære kapillærer) kan ikke måles visuelt eller manuelt og berettiger til hjælp af beregningsalgoritmer. Nylige undersøgelser har antydet, at computervisionsværktøjer kan tjene som triage- og beslutningsstøtteværktøjer til sygdomsdiagnostik med digital patologi.

24~27

Derfor skal automatiserede billedanalyseværktøjer implementeres og integreres i patologiarbejdsgangen for effektiv og pålidelig segmentering af histologiske primitiver på tværs af flere typer pletter. DL-segmenteringsværktøjer kunne i høj grad lette udledning af ikke kun de visuelle, men også subvisuelle histomorfometriske træk (f.eks. form-, tekstur- og grafegenskaber) til korrelation med diagnose og resultat.280 Denne undersøgelse forsøger at adressere udfordringerne ved beregningsmæssig nyrepatologi for store- skala vævsundersøgelse ved at levere DL-algoritmer til grundig annotering af 6 histologiske primitiver på renal parenchyma of minimal change disease (MCD), ved hjælp af hele diasbilleder (WSI'er) af 4 farvninger og genereret på tværs af 29 NEPTUNE-indskrivningscentre. I de seneste par år har adskillige undersøgelser vist nytten af ​​DL-netværk til lavniveau billedanalyser (dvs. påvisning, segmentering og klassificering af histologiske primitiver) og komplekse prognose- og forudsigelsesopgaver på højt niveau.1-35 Vores undersøgelse er største, omfattende DL-undersøgelse af nyrebiopsier, der præsenterer algoritmer, der blev udviklet på forskellige pletter og ved hjælp af et stort antal kommenterede billeder sammenlignet med de tidligere offentliggjorte. De primære konklusioner og væsentlige resultater fra vores arbejde beskrives herefter.

Sammenligning med aktuel litteratur

Forskellene mellem tidligere undersøgelser36-44 og vores bidrag er opsummeret i den supplerende figur S6.

Tidligere publicerede undersøgelser fokuserer på en enkelt histologisk primitiv og en enkelt plet. For eksempel har Marsh et al. evaluerede CNN'er til påvisning af global glomerulosklerose i transplanterede nyrefrosne sektioner farvet med H&E36; Kanna et al. evaluerede CNN'er til at skelne normale, segmentelt og globalt skleroserede glomeruli fra trichromfarvede formalinfikserede og parafifinindlejrede nyresektioner37; Gallego et al. påført DL for at påvise glomeruli på PAS-farvede snit; Bel

Tidligere publicerede undersøgelser fokuserer på en enkelt histologisk primitiv og en enkelt plet. For eksempel har Marsh et al. evaluerede CNN'er til påvisning af global glomerulosklerose i transplanterede nyrefrosne sektioner farvet med H&E36; Kanna et al. evaluerede CNN'er til at skelne normale, segmentelt og globalt skleroserede glomeruli fra trichromfarvede formalinfikserede og parafifinindlejrede nyresektioner37; Gallego et al. påført DL for at påvise glomeruli på PAS-farvede snit; Bel et al. påvist segmentering af normale og patologiske histologiske strukturer ved brug af PAS-farvede WSI'er af nefrektomi-cortexvæv.Temerinac Ott et al. demonstrere en DL-tilgang til at forbedre glomerulær detektion på 1 farvning ved hjælp af resultater fra forskelligt farvede sektioner af samme væv.1 Vores DL-netværk på alle 4 farvninger repræsenterer et første skridt for fremtidig klinisk implementering, hvilket muliggør påvisning, segmentering og i sidste ende kvantificering af flere normale histologiske primitiver i alle farvninger, der rutinemæssigt anvendes til diagnostiske formål.

Et andet kritisk element, der skal tages i betragtning, før de bruges i store DL-netværk, er, hvordan de kan anvendes på heterogene datasæt. Vores DL-modeller blev trænet og testet på et meget heterogent sæt WSI'er med præanalytiske variationer i vævsopsamling, behandling og præparation af objektglas ved hjælp af 4 farvninger, hvilket letter den strenge evaluering af anvendeligheden af ​​DL-tilgangen i en multisite-indstilling.

Forskellige DL-tilgange er blevet brugt til segmentering af histologiske primitiver, såsom Gadermayr et al's anvendelse af generative adversarielle dybe netværk til farveuafhængig glomerulær segmentering. Bel et al. anvendte cykluskonsistente generative adversarielle netværk (cyklus-GAN'er) i DL-applikationer til multicenter-farvetransformation. Hermsen et al. har demonstreret U-Net-baseret segmentering af 7 vævsklasser ved hjælp af 40 transplantationsbiopsier på PAS-farvning.2Vores tilgang i denne undersøgelse var at udvikle flere U-Net-baserede DL-netværk ved hjælp af optimal digital forstørrelse og varierende antal annotationer på tværs af primitiver og farvninger.

Alle tidligere værker har brugt et relativt mindre antal WSI'er af nyrebiopsier/nephrektomier sammenlignet med vores undersøgelse (tabel 2). Brugen af ​​et stort WSI-datasæt gjorde det muligt for os at give indsigt til patologer for at generere velannoterede træningseksempler for hver primitiv og farve, samt antallet af træningseksempler, der kræves for den bedste netværksydelse ved brug af U-Net CNN'er (Figur 8).

Specificiteten af ​​segmenteringen af ​​de individuelle histologiske primitiver og deres patologiske variation er afgørende for implementeringen af ​​DL-modeller i klinisk praksis.12,43 DL-netværkene, der genereres i dette arbejde, er specifikke for strukturelt normale histologiske primitiver, såsom dem, der ses i MCD eller nefrektomier, og kan anvendes til både voksne og pædiatriske nyrebiopsier. Når DL-netværkene blev testet på pletter af nyreparenkym fra nefrektomiprøver, blev specificiteten for de strukturelt normale histologiske primitiver opretholdt. DL-rammerne præsenteret i denne undersøgelse vil også muliggøre arkitektur af netværk i fremtiden, der specifikt er fokuseret på automatiseret segmentering og vurdering af strukturelt unormale histologiske primitiver og deres korrelation med kliniske resultater.

forbedret nyrefunktion: cistanche tubulosa-ekstrakt

DL-baseret rangering af forskellige pletter

Vores undersøgelse tyder på, at PAS-farven er bedst egnet til identifikation af strukturelt normale histologiske primitiver ved hjælp af U-Net-modellen. Dette kan skyldes, at PAS ser ud til at være konsekvent mere homogen på tværs af patologiske laboratorier sammenlignet med TRI eller SIL. PAS-farvede WSI'er fremhæver basalmembranerne i forskellige strukturer, hvilket igen giver en overlegen definition af grænsen for hver enkelt primitiv, der skal segmenteres. Af denne grund var PAS den eneste farve, der blev brugt til segmentering af peritubulære kapillærer. På baggrund af vores resultater viste PAS- og H&E-farvninger bedre ydeevne for glomerulær tuft og enhedssegmentering, PAS og TRI for arterier/arterioler, PAS og SIL for tubulære segmenter og PAS for peritubulære kapillærer. Optimal digital forstørrelse til DL-modeller

Vores resultater tyder på, at med en samlet plasterstørrelse på 256 × 256 var den optimale forstørrelse for DL-modellerne 5 × for glomeruli, 10 × for tubuli og kar og 40 × for kapillærer (Figur 1). Interessant nok var de fleste af de optimale forstørrelser var i overensstemmelse med de forstørrelser, som patologer har tendens til at bruge, når de annoterer de individuelle primitiver, undtagen glomeruli, hvor patologerne brugte 15× til 20×. Større strukturer såsom glomeruli, tubuli og kar blev mere præcist segmenteret af netværket ved 5×to 10× forstørrelse uanset pletten. For mindre strukturer såsom peritubulære kapillærer var større digital forstørrelse (40×) påkrævet for nøjagtig DL-segmentering.

DL-segmenteringsydelse på tværs af steder og artefakter Heterogenitet af vævsforberedelse og manglende standardisering af analysen er især relevant for multicenterstudier, hvor patologimaterialet indsamles fra flere laboratorier. Som forventet er heterogenitet i vævspræsentation og glas-, vævs- og scanningsartefakter blev observeret, hver med variabelt bidrag til DL-ydelsen. For eksempel, selvom vævsartefakter generelt havde begrænset indflydelse på DL-netværkene, så tykkelsen af ​​sektionen ud til at påvirke ydeevnen. Virkningen af ​​individuelle artefakter var også relativ til den histologiske primitive; for eksempel viste glasartefakter en lille negativ indvirkning på DL-ydelse for arterier/arterioler og proksimale tubuli.

Derudover var der variabilitet i DL-ydeevne på tværs af steder, og denne variabilitet så ud til at være histologisk primitiv afhængig (Supplerende figur S4).

DL præstation som funktion af antal træningseksempler

Vores kvantitative data validerede den intuitive antagelse om, at der er behov for flere eksempler for de primitiver, der er sværere at identificere visuelt (dvs. tangentielt afskårne arterier/arterioler eller primitiver i kanten af ​​området af interesse [ROI])(Figur 8). de primitiver, der var for små eller dårligt definerede (dvs. peritubulære kapillærer), kuration og iterativ annotering var nødvendige for at forbedre segmenteringsnøjagtigheden. Til segmentering af glomerulære totter konvergerede netværket til maksimal nøjagtighed med et lille antal (60-183) træningseksempler; ydeevnen blev ikke forbedret med inkludering af yderligere eksemplarer. For tubuli og arterier/arterioler segmentering viste de tilsvarende netværk marginal til mellemliggende præstationsforbedring med et stigende antal eksempler. I modsætning hertil blev der observeret en signifikant stigning i F-score og DSC(0.27-0.81) med en 2,5 gange stigning i antallet af peritubulære kapillære eksemplarer, et lineært omfang af F-score-stigning indikerer endnu bedre nøjagtighed med flere eksemplarer.

Fortolkning af segmenteringsresultater

Få falske positiver blev observeret i områder af interesse med artefakter (dvs. tssue-foldninger, ujævn farvning), hvilket tyder på behovet for digital kvalitetsvurdering af diasbillederne før påkaldelse af beregningsmodellerne (Supplerende figur S4). I nogle få ROI'er, DL så ud til at udkonkurrere patologerne - for eksempel når en lille del af en arterie/arteriole var på kanten af ​​ROI'erne og ikke manuelt blev annoteret som grundsandhed af patologen, fordi de var visuelt svære at opdage. Dette kan forklares ved den protokol, der blev brugt til segmentering af arterier, hvor patologer kun inkluderede arterier, hvor væggen (tunica media og intima) og lumen var synlige og segmenterede den ydre grænse af tunica media. Således identificerede modellerne, trænet til at detektere tunica media og intima i arterierne, korrekt små fragmenter af tunica media (arteriel/arteriolær væg tangentielt skåret) som arterier/arterioler på trods af manglen på et lumen (figur 9).

Derudover ses tubuli i nyrebiopsisnit oftere i tværsnit end i længdesnit. Den indledende klassificeringsperson savnede nogle longitudinalt sektionerede tubuli, for det meste på H&E-farvede billeder, fordi tubuligrænserne var mindre skarpe, og longitudinalt sektionerede tubuli var underrepræsenteret i det indledende træningssæt. For at lette og forbedre processen med annotering og netværket blev de falske negative fejl forbundet med U-Net-segmenteringen af ​​tubuli visuelt identificeret og manuelt forfinet af patologen, og de opdaterede annoteringer blev returneret til netværket. Nogle få små arterioler blev også forkert identificeret som distale tubuli af DL-algoritmen (falske positive) under den første iteration. Disse falske positive annoteringer blev fjernet af patologen efter gennemgang af det oprindelige klassificeringsoutput, og korrigerede billeder blev returneret til netværket til genoptræning uden at ændre den eksperimentelle opsætning eller netværksparametrene for at eliminere falske positive og negative fejl i DL-algoritmen.45

I overensstemmelse med de nuværende retningslinjer for deling gør vi med denne rapport alle vores data og medfølgende grundsandhedsannoteringer offentligt tilgængelige for fællesskabet. Online supplerende materiale udgivet som en del af dette arbejde forventes at fremme feltet for beregningsmæssig nyrepatologi og give bedste praksis til at generere annotationer, forstørrelser, forstørrelser og anbefalede farvninger for at udføre segmenteringsopgaver optimalt.

Som konklusion repræsenterer denne undersøgelse et solidt grundlag for at påberåbe sig maskinlæringsklassifikatorer for at hjælpe storstilet vævskvantificeringsindsats og implementeringen af ​​maskin-menneskelige interaktive protokoller i kliniske og patologiske arbejdsgange. DL-segmentering af histologiske primitiver muliggør beregningsmæssig udledning af histomorfometriske træk for at muliggøre biopsifortolkning. Derudover vil rammen, der præsenteres i dette arbejde, også bane vejen for udvikling af nye DL-netværk i fremtiden, der er specifikt rettet mod (i) abnorme eller patologiske histologiske primitiver (dvs. global og segmental sklerose, glomerulære proliferative træk, opsamlingskanaler, vener og perifere nerver, tubulær atrofi, interstitiel fibrose og arteriosklerose), (ii) nyrebark og medullære kompartmenter og (ii) et bredere spektrum af sygdomme. Yderligere kunne disse nye tilgange bane vejen for udviklingen af ​​maskinlæringsværktøjer, der giver sygdomsprognose eller og endda lette opdagelse, der forudsiger behandlingsrespons4 af klinisk handlingsdygtige, ikke-destruktive beregningspatologi-baserede billeddiagnostiske biomarkører for nyre-25,27,48-sygdomme.2

Cistanche effektiv til nyresygdom

Bemærk: cistanche er en tobisk urt, der vokser i ørkenerne. den kaldes også for drageurten og ørkenginsengen. cistanche har mange virkninger, som er gode for menneskers sundhed ifølge de parmokologiske undersøgelser, såsom forbedring af immunitet, anti-træthed og forbedret nyrefunktion osv. Chengdu wecistanhce fokuserer på at levere premium kvalitets cistanche produkter.