本文由論文作者團隊（課題組）投稿

組織學染色是臨床和生命科學研究中對組織進行研究檢查的主要工具， 其在病理實驗室中被廣泛使用，以協助評估病理生理學和進行疾病診斷。

盡管它被廣泛地使用，但標準的組織學染色流程仍存在種種問題，比如繁雜的制備步驟、較長的周轉時間、高成本和不穩定的染色結果。

虛擬染色是一種基于深度學習的用計算機數字化地生成組織學染色的方法，具有顛覆傳統組織學染色流程的潛力。虛擬染色消除了對化學染色的需求，為傳統的染色方法提供了一種更加快速、經濟和準確的替代方案，這有可能提高診斷的準確性和速度，從而改善患者的治療結果并降低醫療成本。

加州大學洛杉磯分校Aydogan Ozcan教授的研究小組最近發表了一篇關于這種新興虛擬染色技術的綜述文章，全面介紹了虛擬染色領域的最新進展。

該文章以“Deep Learning-enabled Virtual Histological Staining of Biological Samples”為題發表在Light: Science & Applications，為學者、光學工程師、顯微鏡學家、計算機科學家、生物學家、組織學家和病理學家等提供了寶貴的資源。Bijie Bai為本文的第一作者，Aydogan Ozcan為本文的通訊作者。

該文章涵蓋了虛擬染色的基本概念、典型的開發流程，以及該技術的未來前景。它還著重討論了該領域部分代表性工作的關鍵結果，總結了這個快速發展的領域的最新研究進展。

Aydogan Ozcan教授說：“我們相信這篇綜述將作為這個研究領域技術發展的圖集，幫助讀者更全面地了解虛擬染色研究領域的進展。我們還希望這篇文章能夠啟發來自不同科學領域的讀者進一步擴展這個新興領域的應用范圍，并繼續推動虛擬染色技術的可能性的界限”。

Ozcan組是加州大學洛杉磯分校的一個研究小組，致力于為各種應用領域開發創新的光學成像和分析工具，包括生物醫學、診斷學和環境監測。該小組致力于推進虛擬染色技術，并利用深度學習將這一尖端技術引入數字病理學領域。這項研究由擔任UCLA校長教授、Volgenau工程創新主席、霍華德-休斯醫學研究所HHMI教授的Aydogan Ozcan博士領導。這項工作的共同作者還包括UCLA電子和計算機工程系的白璧潔、楊西林、李雨竹、張藝杰和Nir Pillar。Ozcan教授還在UCLA的生物工程系和外科系任教，并同時擔任加州納米系統研究所（CNSI）的副所長。他還共同創立了Pictor Labs —— 一家將虛擬染色技術商業化的公司。

標準的組織學染色 vs. 基于深度學習的虛擬染色。圖片來源: Ozcan Lab @ UCLA.

| 論文信息 |

Bai, B., Yang, X., Li, Y. et al. Deep learning-enabled virtual histological staining of biological samples. Light Sci Appl 12, 57 (2023). 

https://doi.org/10.1038/s41377-023-01104-7

閱讀原文