Основні поняття
組織病理学画像の多様モダリティ(MxIF、H&E)を細胞レベルで整列させることで、細胞特徴の相互検証や仮想H&E画像の生成などの統合的解析を可能にする。
Анотація
本研究では、組織病理学画像の多様モダリティ(MxIF、H&E)を細胞レベルで整列させる新しい手法を提案した。
まず、細胞セグメンテーションの結果を用いて、Coherent Point Drift (CPD)による初期整列と、Graph Matching (GM)による精密化を行った。卵巣がんのTMAデータセットで評価したところ、高い整列精度が得られ、モダリティ間の細胞特徴の統合分析や、MxIF画像からの高品質な仮想H&E画像の生成が可能となった。
具体的には以下の通り:
CPDによる初期整列と、GMによる精密化を組み合わせることで、モダリティ間の細胞レベル整列を実現した。
再染色サンプルと連続切片サンプルの両方で高い整列精度を示した。
異なる細胞セグメンテーションモデルを用いても頑健に動作し、ポータビリティが高い。
整列後の細胞特徴の比較から、形態的特徴や核染色強度が高い相関を示すことを確認した。
MxIF画像からの高品質な仮想H&E画像の生成が可能となり、臨床での利用が期待できる。
Статистика
細胞核面積の平均値は、H&Eと MxIF間で高い相関を示した(r=0.89, p<0.001)。
細胞核の最小径と最大径も同様に高い相関を示した(r=0.87, p<0.001; r=0.88, p<0.001)。
H&Eのヘマトキシリン染色強度とMxIFのDAPI染色強度の平均値、中央値、最大値も高い相関を示した(r=0.85, p<0.001; r=0.83, p<0.001; r=0.81, p<0.001)。
Цитати
"組織病理学画像の多様モダリティを細胞レベルで整列させることで、細胞特徴の相互検証や仮想H&E画像の生成などの統合的解析が可能となる。"
"本手法は、異なる細胞セグメンテーションモデルを用いても頑健に動作し、ポータビリティが高い。"