文章

亚细胞分辨率紫外光声成像支持支持癌症病理组织学分析

2026-07-29     来源:本站     点击次数:102

传统苏木精-伊红染色是病理诊断的核心手段,但存在制备流程冗长、人力投入大、易产生伪影遮蔽关键结构等局限。无标记紫外光声显微技术可利用核酸的紫外吸收特性直接获取细胞核对比度,无需染色即可生成类组织学图像,但现有系统空间分辨率不足,难以支撑亚细胞尺度的精细病理分析。本研究开发了一套亚细胞分辨率紫外光声显微系统,结合深度学习算法实现无标记虚拟染色与肿瘤良恶性自动判别,为快速癌症诊断提供了全新技术路径。

image.png

本研究由Byullee Park、Rui Cao、Yilin Luo、Cindy Liu 等学者共同完成,通讯作者为 Massimo D’Apuzzo 与 Lihong V. Wang,论文题为 《Rapid cancer diagnosis using deep learning–powered label-free subcellular-resolution photoacoustic histology,于2025年发表于 《Science Advances

重要发现
01亚细胞分辨率紫外光声显微系统构建
研究团队搭建的亚细胞分辨率紫外光声显微系统,采用266nm 波长纳秒脉冲激光作为激发源,基于光声效应,利用组织吸收脉冲光后产生的超声信号重建光学吸收分布,依托核酸在紫外波段的强吸收特性生成天然细胞核对比度。为突破现有紫外光声显微系统的分辨率瓶颈,系统搭载了数值孔径达 0.64 的聚焦物镜,为目前紫外光声显微领域已公开的最高数值孔径配置,配合中心频率 40MHz 的超声探测器采集光声信号,数据采样率达 500MHz。

image.png

用于组织病理学和癌症诊断的深度学习驱动的无标签SRUV-PAM的策略和系统特性

为同时满足大视场普查与亚细胞精细观测的双重需求,系统采用三维步进电机扫描台与二维压电执行器扫描台融合的一体化架构:步进电机模块可覆盖最大25 平方毫米的成像区域,步长 156nm,适用于组织整体结构的快速扫描;压电执行器模块可实现 30nm 的像素级定位精度,单次成像范围 30μm×30μm,用于目标区域的超高分辨率观测。针对高速扫描过程中快轴方向的非线性运动畸变,研究团队设计了软件补偿算法,通过软硬件协同优化显著提升了重建图像的几何精度,保障了亚细胞分辨率下的空间保真度。经 100nm 直径金纳米颗粒标定,系统的横向分辨率实测为 240nm,扣除样本尺寸效应后的本征系统分辨率约为 218nm,接近 266nm 波长下衍射极限分辨率 208nm,完全满足病理分析的亚细胞成像要求。

02无标记虚拟染色的多维度验证
为适配病理医生的读片习惯、提升图像临床可读性,研究采用循环一致生成对抗网络,实现无标记光声图像到苏木精- 伊红染色风格的无监督虚拟映射。网络包含两个生成器分别负责光声域与染色域的双向转换,搭配两个判别器评估生成图像的真实性,通过循环一致性损失约束域转换前后的结构完整性,避免生成图像出现结构畸变。训练数据集涵盖人肾组织与肝组织的光声图像及对应苏木精-伊红染色图像,所有图像经随机裁剪与数据增强后用于模型训练。

在人肾组织样本上,虚拟染色图像完整复现了肾小管、肾小球等核心解剖结构,细胞核与细胞质的染色对比度、分布规律均与标准染色结果高度一致。定量分析显示,虚拟染色图像与对应染色图像的细胞计数、平均细胞面积、细胞核与细胞面积比等形态学指标均呈现强相关性;图像相似度量化指标方面,弗雷歇初始距离为43.64,核初始距离为 0.0206±0.0009,进一步验证了虚拟染色的高保真度。得益于 240nm 的亚细胞分辨率,该系统可清晰分辨染色质边集、核膜不规则性、核间边界等 200-500nm 尺度的精细核结构,部分细节表现优于常规病理诊断中 40 倍物镜下的苏木精-伊红染色效果。

image.png

来自肾脏组织的SRUV PA图像分析

image.png

人肾组织SRUV PA虚拟组织学图像的对比分析

03肝肿瘤良恶性自动诊断效能
基于灰度光声图像的固有吸收对比度,研究团队采用密集连接卷积网络构建肿瘤分类模型,实现肝组织良恶性病变的自动判别。模型以大规模自然图像预训练权重初始化,针对光声图像的灰度特性进行通道适配与微调,输入为300μm×300μm 的光声图像区块,输出为良性或恶性的二分类结果。该网络的密集连接结构可在参数量较少的前提下提升特征传递效率,适配小样本病理数据的训练需求。

训练数据集包含约450 个经病理医生标注的肝组织图像区块,按切片维度划分为训练集、验证集与测试集,训练过程采用随机翻转、旋转等数据增强策略,搭配学习率余弦退火与早停机制防止过拟合。在独立测试集上,该分类模型的受试者工作特征曲线下面积达 0.902,诊断特异性为 90%,敏感性为 84%,可准确识别大部分良性与恶性肝组织样本,具备稳定的病变判别能力,验证了无标记光声成像结合深度学习用于快速癌症诊断的可行性。

image.png

人类肝组织的SRUV光声虚拟组织学图像及深度学习辅助诊断

创新与亮点
本研究突破了紫外光声显微技术长期面临的分辨率瓶颈,首次将数值孔径0.64 的紫外光学系统与精密压电扫描架构结合,实现 240nm 的亚细胞成像分辨率,填补了无标记病理成像在亚细胞核尺度观测的技术空白。针对高速扫描畸变提出的软硬件协同校正方案,保障了高分辨成像的空间几何精度,为同类精密扫描成像系统提供了可借鉴的优化思路。

该技术构建了“无标记成像-虚拟染色-自动诊断” 的完整病理分析流水线,无需传统的组织固定、包埋、切片与染色流程,可保留组织原生状态并避免制片伪影。在肝脏肿瘤诊断场景中,该方案可大幅缩短病理诊断周期,降低对人工染色与病理医生经验的依赖,为术中快速病理评估、数字病理筛查等临床需求提供了全新技术支撑,具备显著的转化应用价值。

总结与展望
本研究开发的亚细胞分辨率紫外光声显微系统,结合深度学习虚拟染色与肿瘤分类算法,实现了无标记、高保真的组织学成像与肝肿瘤良恶性自动判别,验证了该技术在快速病理诊断中的应用潜力。未来可通过引入超构透镜扩展成像焦深、搭载光学扫描机制提升成像通量,并开展大样本多中心临床验证,进一步推动该技术向术中实时诊断等临床场景落地。

论文信息
声明:本文仅用作学术目的。
Byullee Park et al. ,Rapid cancer diagnosis using deep learning–powered label-free subcellular-resolution photoacoustic histology.Sci. Adv.11,eadz1820

doi: 10.1126/sciadv.adz1820

相关文章 更多 >