非アルコール性脂肪性肝疾患に対する機械学習を用いたラマン分光組織学

Raman spectroscopic histology using machine learning for nonalcoholic fatty liver disease.

• Khalifa Mohammad Helal
• James Nicholas Taylor
• Harsono Cahyadi
• Akira Okajima
• Koji Tabata
• Yoshito Itoh
• Hideo Tanaka
• Katsumasa Fujita
• Yoshinori Harada
• Tamiki Komatsuzaki

抄録

組織病理学は、細胞および組織の形態学的特徴を診断するために専門家の専門知識を必要とする。ラマンイメージングは、組織学的疾患診断に役立つ生化学的情報を追加で提供することができます。ラットの非アルコール性脂肪性肝疾患の食事モデルを用いて、ラマンイメージングと機械学習および情報理論を組み合わせて、肝臓組織サンプルの細胞レベルの情報を評価する。スーパーピクセルセグメンテーションによりラマン画像のS/N比を向上させた後、肝組織内の生化学的に異なる領域を抽出し、ビタミンAや脂質などの特徴的な生化学成分の定量化を可能にしています。肝臓組織の生化学的組成の微視的情報をもとに、類似の組成を持つ組織をグループ化し、組織の状態を推測できる記述子を提供することで、組織学的検査に有用な情報を提供しています。

Histopathology requires the expertise of specialists to diagnose morphological features of cells and tissues. Raman imaging can provide additional biochemical information to benefit histological disease diagnosis. Using a dietary model of nonalcoholic fatty liver disease in rats, we combine Raman imaging with machine learning and information theory to evaluate cellular-level information in liver tissue samples. After increasing signal-to-noise ratio in the Raman images through superpixel segmentation, we extract biochemically distinct regions within liver tissues, allowing for quantification of characteristic biochemical components such as vitamin A and lipids. Armed with microscopic information about the biochemical composition of the liver tissues, we group tissues having similar composition, providing a descriptor enabling inference of tissue states, contributing valuable information to histological inspection.

© 2019 Federation of European Biochemical Societies.