研究背景
乳腺的混合结缔组织和上皮肿瘤主要包括纤维腺瘤(Fibroadenoma, FA)和叶状肿瘤(Phyllodes, PT)。纤维腺瘤是年轻女性中最为常见的乳腺肿瘤,而叶状肿瘤则是一种相对罕见的疾病,约占所有乳腺肿瘤的0.5%。纤维腺瘤的大小通常止于2-3厘米,然而叶状肿瘤的生长速度却很快,可以生长为超过10厘米的巨大肿瘤。此外,虽然叶状肿瘤和纤维瘤一样是良性肿瘤,但是在生长过程中可能会转变为恶性肿瘤。
纤维腺瘤和叶状肿瘤尽管在手术适应症和手术技术上存在差异,但是由于它们在临床和组织学图像上的相似性,往往难以通过针刺活检来区分。过去几年中,相关研究致力于寻找有助于区分纤维腺瘤以及叶状肿瘤的方法,但是目前尚未为建立成熟的体系。因此Ehime大学医院研究团队尝试使用双光子显微镜对乳腺肿瘤进行图像诊断。本应用说明根据Taguchi博士等人的研究成果,介绍了双光子显微镜对医学的贡献。

概述

与传统的光学成像相比,双光子显微镜具有高分辨率和低光毒性的等优势。利用二次谐波(Second
Harmonic Generation, SHG)
,也可以在不染色的情况下对胶原蛋白进行成像。
在此研究中,利用双光子显微镜对乳腺肿瘤中的胶原蛋白和自发荧光物质进行无标记成像,并通过深度学习进行区域划分,建立了定量评价的指标,对传统病理诊断难以区分的乳腺肿瘤进行了鉴别。

1. 利用针刺活检组织切片的双光子显微镜图像对病理状况进行AI量化分析。

HEPSR染色的图像与双光子显微镜获得的SHG图像进行比较,SHG图像呈现出深色的导管上皮和位于富含胶原的基质区域的强信号。在SHG图像中观察到的胶原蛋白在形状和模式上与PSR染色图像中的纤维结构相似,PSR染色图像专门染色标记了I型和III型胶原蛋白。此外,上皮细胞和基质之间的边界在双光子显微镜获得的自发荧光图像中得到确认,以绿色表示(图2a)。

图2(a)纤维腺瘤和叶状肿瘤病变的双光子显微镜图像的比较。(b)基于双光子显微镜图像的乳腺肿块划区因素的量化示意图。
混合结缔组织和上皮肿瘤是同时具有上皮和基质增生的病变,但有报道称叶状肿瘤(PT)比纤维腺瘤(FA)具有更明显的基质增生。为了建立区分FAPT的定量分析标准,我们尝试用深度学习的方法进行图像划分,对上皮和基质的面积比进行定量分析(图2b,3)。基准图像是由双光子显微镜图像获取的,其中上皮、基质和外部三个区域是根据HE染色的图像手工标注的。比较了预测图像和基准图像之间的总准确率和IoU,结果显示,测试图像集的总准确率为93.5%IoU89.5%,表明划分表现很好。
图3. 利用双光子显微镜图像深度学习

然后根据图像分析的结果,对上皮与基质面积比值的数据计算标准差。结果显示,在基准真相图像和预测图像数据中,PT的偏差都比FA高。此外,对基质区域的SHG信号强度的定量分析显示,FASHG信号比PT的强(图4a)。当结合上皮基质面积比的数据和基质区的SHG信号强度绘制散点图时,FAPT可以被清楚地分开(图4b)。

4. 利用双光子显微镜图像建立乳腺肿块的定量鉴别因素。
(a) FA和PT病变的上皮与基质面积之比。FA和PT病变基质区域内的平均SHG信号强度。(b) 两种定量分析的散点图。实心圆和空心圆分别表示FA和PT数据。相同颜色的圆圈代表来自同一患者的样本。

总结

在双光子显微镜图像中,使用SegNet(一种利用深度学习的图像分区程序)对表现出自发荧光的导管上皮区域和表现出胶原蛋白SHG信号的基质区域进行划分。当定量分析导管上皮/基质面积比和基质区域内的SHG信号强度时,前者在PT中更高,后者在FA中更高。当试图用这两个因素来区分PTFA时,可以实现一个明确的区分。
自发荧光成像与多双子显微镜和人工智能图像分析相结合,确立了能够对纤维腺瘤和叶状肿瘤进行鉴别诊断的定量因素。预计,这一结果将使得该方法在可以在乳腺结缔组织和上皮细胞混合肿瘤的计算机辅助诊断中的应用。
产品信息
AX R MP双光子共聚焦显微镜
  • 22mm大成像视野
  • 共振扫描分辨率可达2K X 2K,检流计模式分辨率可达8K X 8K
  • 扫描速度可达720/秒(共振模式,2048 X 16像素)
  • 2种类型的立柱适用于灵活的样品配置

参考文献

Kobayashi-Taguchi K, Saitou T, Kamei Y,
Murakami A, Nishiyama K, Aoki R, Kusakabe E, Noda H, Yamashita M, Kitazawa R,
Imamura T, Takada Y. Computer-Aided Detection of Quantitative Signatures for
Breast Fibroepithelial Tumors Using Label-Free Multi-Photon Imaging. Molecules.
2022 May 23;27(10):3340. doi: 10.3390/molecules27103340. PMID: 35630817; PMCID:
PMC9144626.