Unsere Forschung umfasst ein ex-vivo-Protokoll, bei dem einwilligende Patienten, die sich einer Operation zur Entfernung von Mundkrebs unterziehen, am MD Anderson Cancer Center der University of Texas eingeschrieben wurden. Die Studie wurde von den Institutional Review Boards an der University of Texas MD Anderson Cancer Center und der Rice University genehmigt. Das DeepDOF-SE-Mikroskop wurde mit einer dualen Kanalfluoreszenz-Mikroskopie mit UV-Oberflächenanregung und einer Deep-Learning-optimierten Phasenmaske aufgebaut. Eine offene Schnittstelle auf der Probenbühne ermöglicht die bequeme Platzierung großer chirurgischer Proben. Eine optische Schicht optimiert die Abbildungsoptik, während eine digitale Schicht die Bildrekonstruktion optimiert. Die Trainingsdetails des Netzwerks umfassen ein umfangreiches Datenset und die Verwendung von TensorFlow für die Implementierung.
Um die Koordination der Merkmale zwischen den Domänen X und Y zu bewahren, wurde eine zweistufige, halbüberwachte Schulungsstrategie verwendet. Ziel war es, das CycleGAN so zu schulen, dass die Generatoren eine realistische Farb- und Texturübersetzung durchführen, während die nuklearen und Kontextmerkmale genau erhalten bleiben. Die Verlustfunktionen umfassen GAN-Verluste für Generatoren und Diskriminatoren in jede Mapping-Richtung sowie Zykluskonsistenzverluste für die beiden Generatoren. Das Training des CycleGAN erfolgte mit Bildern von chirurgischem Gewebe aus dem menschlichen Mundhöhle und umfasste eine unbeaufsichtigte Datensatzgröße von 604 DeepDOF-SE-Bildern und 604 Standard-H&E-Bildern.
Das DeepDOF-SE-Mikroskop wurde verwendet, um frisch resezierte ex-vivo Gewebeproben von einem Schlachthof zu untersuchen. Zusätzlich wurden gefrorene Schnittpräparate, die mit DAPI und Rhodamin B gefärbt waren, verwendet. Das DeepDOF-SE-Mikroskop wurde zur Bildgebung verwendet, gefolgt von der Verarbeitung der Proben zu histologischen Schnittpräparaten. Die Studie wurde von den Institutional Review Boards der University of Texas MD Anderson Cancer Center und der Rice University genehmigt. Die Auflösung des DeepDOF-SE wurde durch Bildgebung eines Auflösungsziels charakterisiert, das mit einem fluoreszierenden Hintergrund versehen war. Die Bildgebungsergebnisse wurden mit herkömmlichen Mikroskopen verglichen. Schließlich wurde eine virtuelle Färbung nach dem Beer-Lambertschen Gesetz durchgeführt, um DeepDOF-SE-Bilder in einem H&E-Farbraum zu visualisieren.