摘要
以具細胞解析度之三維光學同調斷層掃描影像(Optical coherence tomography; OCT)，結合深度學習網路，由細胞核、表皮/真皮邊界之標註與分割為起點逐步增加組織色素、微循環、發炎細胞乃至惡性腫瘤邊界為標的，深入研究慢性疾病的表淺組織表徵，以期建構早期的臨床診斷及風險評估依據。
計畫特色
在OCT影像之擷取上，將以本團隊技轉成立安盟生技之三維高解析斷層掃描影像商用機為基礎，為了輔助醫師在臨床上觀察OCT影像時能更好的理解其組織結構，將OCT影像轉換為H&E染色影像會更有幫助，然而在OCT影像與H&E影像間要達到精準影像轉換，必須有額外的網路使得醫師之專業知識得以用來訓練OCT與H&E影像之轉換。在本計畫中，我們將逐步導入自督導式學習 (Self-supervised Learning)及各式標註方法 (醫師標註、H&E/IHC影像分色法、動態分析演算法)，使得轉換出之染色影像能進一步提供OCT影像中的色素分佈、微循環暨發炎細胞量化資訊。由於此標註極不易由醫師直接執行，因此，本團隊將以非配對(Un-paired)的OCT及H&E影像轉換，而其中H&E影像藉由分色處理，提取出黑色素分佈，再藉由loss function的設計，使得活體OCT影像得以正確轉換；而發炎細胞的標註將藉由免疫螢光染色取得。
本子計畫，將建構影像資料庫，藉由臨床試驗，探索早期慢性疾病的皮膚或表淺組織之徵兆，將持續與紐約Memorial Sloan Kettering Cancer Center的皮膚癌團隊合作，進行人類OCT影像的皮膚癌邊界影像分割，以達成臨床上的快速輔助醫師診斷。由細胞核、表皮/真皮邊界為起點，逐步增加組織色素(如:黑色素、血紅素等)、微循環(Microcirculation)、發炎細胞乃至惡性腫瘤邊界之標註(Annotation)與分割(Segmentation)為研究標的，深入研究慢性疾病的表淺組織表徵，強化OCT細胞級影像由形貌變化之深度學習升級到組織功能之深度學習，以輔助醫師於慢性疾病之早期診斷。
應用項目
- 皮膚及表淺組織疾病之臨床即時診斷
- 光學影像與染色影像(H&E, IHC)轉換
關鍵字
光學同調斷層掃描術、深度學習、影像轉換、腫瘤邊界
◎ 計畫主持人
