病理學(xué)檢查在臨床醫(yī)學(xué)中占據(jù)著舉足輕重的地位，是許多疾病診斷的核心依據(jù)，被譽(yù)為診斷的金標(biāo)準(zhǔn)。傳統(tǒng)的病理學(xué)檢查流程存在明顯弊端，醫(yī)生的診斷過(guò)程具有較強(qiáng)的主觀性，其判斷結(jié)果易受個(gè)人訓(xùn)練水平、工作經(jīng)驗(yàn)以及現(xiàn)場(chǎng)狀態(tài)等多種因素影響。

隨著信息技術(shù)的飛速發(fā)展，數(shù)字病理系統(tǒng)應(yīng)運(yùn)而生，旨在克服傳統(tǒng)病理學(xué)檢查的局限性。該系統(tǒng)具備三項(xiàng)核心功能：病理樣本數(shù)字化、病變特征數(shù)字化和人工智能輔助診斷。

偏振成像作為光學(xué)成像領(lǐng)域的新興技術(shù)，正迅速發(fā)展并展現(xiàn)出優(yōu)勢(shì)。全偏振成像利用4個(gè)分量的全偏振光照明和檢測(cè)，可獲得包含豐富信息的全偏振圖像，其繆勒矩陣能完備描述樣本偏振特征，涵蓋散射顆粒和間質(zhì)的多種光學(xué)參數(shù)及幾何特征信息，信息量遠(yuǎn)普通非偏振圖像，且在單像素和圖像層次隱藏樣本特征，有助于提升對(duì)生物組織物理特征的表征和評(píng)估能力。此外，全偏振成像不依賴染色、無(wú)損傷，適用于各類樣本，在數(shù)字病理技術(shù)中展現(xiàn)出優(yōu)勢(shì)和應(yīng)用潛力。

清華大學(xué)深圳國(guó)際研究生姚悅團(tuán)隊(duì)發(fā)表綜述文章，介紹了全偏振顯微成像技術(shù)，并結(jié)合臨床應(yīng)用結(jié)了現(xiàn)有偏振特征提取方法和*進(jìn)展，包括基于學(xué)的偏振像素與圖像特征提取方法、基于無(wú)學(xué)的偏振像素聚類，以及偏振像素和偏振特征模板擴(kuò)展標(biāo)注方法。

全偏振顯微成像技術(shù)

一、繆勒成像基礎(chǔ)知識(shí)

偏振是光的基本屬性。任意光的偏振態(tài)可用斯托克斯矢量表達(dá)，其由光強(qiáng)、水平和垂直線偏振分量強(qiáng)度差、方向線偏振分量強(qiáng)度差以及右旋和左旋圓偏分量強(qiáng)度差四個(gè)光強(qiáng)量組成。

在繆勒顯微成像中，常用斯托克斯矢量-繆勒矩陣表示法描述光的偏振態(tài)及其變化，其中斯托克斯矢量描述光的偏振態(tài)，繆勒矩陣描述介質(zhì)的偏振光學(xué)特性，通過(guò)計(jì)算與樣本作用后的出射光偏振態(tài)。

二、繆勒顯微鏡

繆勒矩陣測(cè)量需改變?nèi)肷涔馄駪B(tài)，記錄散射光不同偏振分量，通過(guò)至少16個(gè)偏振分量計(jì)算繆勒矩陣的16個(gè)陣元?？稍陲@微鏡照明光路加入起偏器、散射光成像光路加入檢偏器獲取偏振分量圖像，不同起偏器、檢偏器和探測(cè)器模塊組合形成不同繆勒成像方法，不同配置對(duì)應(yīng)不同誤差傳遞規(guī)律，需優(yōu)化降噪校準(zhǔn)。

多種繆勒顯微鏡已被研發(fā)，如Oldenbourg引入電控液晶相位延遲器的裝置、Gribble使用雙光彈搭建的裝置、Arteaga設(shè)計(jì)的全偏振繆勒矩陣顯微成像裝置，本團(tuán)隊(duì)也基于國(guó)產(chǎn)商業(yè)顯微鏡發(fā)展了系列模塊化繆勒顯微鏡，包括透射正置、透射倒置和背反式，可用于不同類型樣本。

基于雙旋轉(zhuǎn)波片的繆勒顯微鏡通過(guò)記錄30個(gè)偏振分量圖像計(jì)算繆勒矩陣陣元，基于雙線偏振相機(jī)的繆勒顯微鏡可實(shí)現(xiàn)全偏振態(tài)實(shí)時(shí)測(cè)量與快速成像，成像速度可達(dá)1/s且有望提升，針對(duì)標(biāo)準(zhǔn)樣本繆勒陣元誤差小，對(duì)病理切片樣本成像信噪比高。

三、偏振參數(shù)及其圖像

繆勒矩陣陣元與樣本特征聯(lián)系不直觀，物理可解釋性差且受樣本方位角影響，因此從陣元推導(dǎo)偏振參數(shù)。其中，Lu-Chipman 提出的繆勒矩陣極化分解（MMPD）參數(shù)應(yīng)用廣泛，將繆勒矩陣分解為代表相位延遲、二向色性和散射退偏的三個(gè)基本子矩陣，經(jīng)代數(shù)運(yùn)算獲具有明確物理意義的偏振參數(shù)。但矩陣相乘受排列順序影響，不同分解順序?qū)е聟?shù)值不同，生物組織研究中多數(shù)采用分解順序獲取偏振參數(shù)。

部分偏振參數(shù)對(duì)樣本旋轉(zhuǎn)角不敏感，眾多偏振參數(shù)可形成偏振圖像，清晰凸顯微觀結(jié)構(gòu)空間分布特征。例如，退偏相關(guān)參數(shù)可凸顯乳腺癌組織細(xì)胞核結(jié)構(gòu)，相位延遲相關(guān)參數(shù)可凸顯纖維結(jié)構(gòu)。偏振成像能獲取分辨尺度結(jié)構(gòu)信息，對(duì)組織微觀結(jié)構(gòu)和生物動(dòng)態(tài)過(guò)程研究意義重大，且這些信息難用現(xiàn)有臨床病理成像方法獲取，偏振成像可用于生物組織特征表征和細(xì)分。

乳腺癌組織的偏振參數(shù)圖像

偏振特征提取方法

一、基于學(xué)的方法

全偏振顯微圖像含豐富病理組織微觀結(jié)構(gòu)信息，但從16維繆勒矩陣數(shù)據(jù)提取偏振特征并識(shí)別組織結(jié)構(gòu)特征是偏振技術(shù)應(yīng)用于病理診斷的關(guān)鍵挑戰(zhàn)。近年來(lái)，許多課題組探索偏振數(shù)字病理在臨床診斷中的應(yīng)用，通過(guò)機(jī)器學(xué)提取病變組織偏振特征，輔助醫(yī)生提升診斷和預(yù)后評(píng)估準(zhǔn)確率與效率。

該方法從像素或圖像角度出發(fā)，利用多種學(xué)方法（如隨機(jī)森林、多層感知機(jī)、主成分分析、邏輯回歸、線性判別模型等）對(duì)醫(yī)生標(biāo)記病變區(qū)域內(nèi)偏振像素分類或提取偏振圖像特征。例如，Luu等用機(jī)器學(xué)分類器對(duì)皮膚癌組織繆勒陣元像素分類，準(zhǔn)確率達(dá)93%；Ivanov等用主成分分析等對(duì)結(jié)腸組織偏振參數(shù)像素分類，準(zhǔn)確率97%；Dong等將繆勒陣元和偏振參數(shù)組合成偏振基底參數(shù)，篩選出敏感偏振特征參數(shù)，用于識(shí)別乳腺癌組織微觀結(jié)構(gòu)，準(zhǔn)確率82%-91%，還提出雙模態(tài)模型用于宮頸癌前病變特征識(shí)別，準(zhǔn)確率達(dá)90%。

從偏振圖像角度，利用深度學(xué)（如卷積神經(jīng)網(wǎng)絡(luò)）或圖像組學(xué)技術(shù)提取特征，如Roa等用卷積神經(jīng)網(wǎng)絡(luò)對(duì)偏振基底參數(shù)圖像分類，輔助宮頸研究；McKinley等結(jié)合卷積神經(jīng)網(wǎng)絡(luò)與機(jī)器學(xué)算法提取特征，用于識(shí)別腦腫瘤組織白質(zhì)纖維束；Yao等用多種方法對(duì)子宮內(nèi)膜偏振參數(shù)圖像特征識(shí)別，卷積神經(jīng)網(wǎng)絡(luò)識(shí)別準(zhǔn)確率*；Chen等研究融合網(wǎng)絡(luò)用于識(shí)別多種癌變數(shù)據(jù)，準(zhǔn)確率較高，且偏振在小樣本量時(shí)有輔助診斷優(yōu)勢(shì)。然而，學(xué)需大量標(biāo)注樣本，獲取高質(zhì)量標(biāo)注數(shù)據(jù)耗時(shí)費(fèi)力，且標(biāo)注質(zhì)量受多種因素影響，限制了學(xué)方法的效果。

雙模態(tài)模型提取宮頸癌前病變像素偏振特征

二、無(wú)學(xué)與偏振像素聚類

生物組織復(fù)雜，學(xué)獲取標(biāo)注數(shù)據(jù)困難且易過(guò)擬合。無(wú)學(xué)無(wú)需預(yù)先標(biāo)注訓(xùn)練數(shù)據(jù)，可挖掘偏振像素隱藏特征。Wan等對(duì)肝癌組織繆勒?qǐng)D像像素聚類，利用統(tǒng)*形逼近與投影（UMAP）方法降維和可視化，UMAP基于黎曼幾何和代數(shù)拓?fù)?，能保留?shù)據(jù)全局結(jié)構(gòu)，適用于大維度數(shù)據(jù)集且速度快。病理醫(yī)生根據(jù)H&E染色圖像識(shí)別出不同聚類像素對(duì)應(yīng)的組織結(jié)構(gòu)特征（如正常和病變細(xì)胞核、不同細(xì)胞漿和膠原纖維結(jié)構(gòu)等）。

肝癌組織222個(gè)區(qū)域繆勒?qǐng)D像的像素聚類

通過(guò)分析這些聚類特征，可提升病變識(shí)別和分類準(zhǔn)確度（如癌變組織中特定類別密度大于正常組織，其面積占比可區(qū)分病變區(qū)域且與細(xì)胞分化程度相關(guān)），還可用于區(qū)分不同癌變亞類。對(duì)細(xì)胞核偏振像素進(jìn)一步聚類拆分，可發(fā)現(xiàn)病變細(xì)胞核與正常細(xì)胞核偏振特征不同，該方法有助于分離微觀結(jié)構(gòu)特征信息，為病變?cè)\斷提供依據(jù)，展示了無(wú)微觀結(jié)構(gòu)拆分方法的潛力。

肝細(xì)胞癌中與病變和細(xì)胞分化程度相關(guān)的偏振標(biāo)志物提取 

三、偏振像素和偏振特征模板

繆勒?qǐng)D像高維空間特征低維投影對(duì)數(shù)據(jù)敏感，可利用K-means 聚類將繆勒?qǐng)D像像素壓縮成偏振像素集合，減少數(shù)據(jù)量，提高計(jì)算效率，且特定病變組織繆勒?qǐng)D像在偏振空間像素質(zhì)心位置穩(wěn)定，可近似表達(dá)高維偏振空間特征。

以肺癌病變?yōu)槔?，偏振像素?cái)U(kuò)展標(biāo)注流程包括：選取繆勒?qǐng)D像區(qū)域，用Mini Batch KMeans聚類計(jì)算形成像素集合（含質(zhì)心位置、標(biāo)準(zhǔn)差和像素?cái)?shù)指標(biāo)）；醫(yī)生對(duì)區(qū)域內(nèi)待測(cè)結(jié)構(gòu)小區(qū)域初始標(biāo)注，計(jì)算像素中像素對(duì)標(biāo)注區(qū)域貢獻(xiàn)率，以貢獻(xiàn)率為權(quán)重；對(duì)區(qū)域內(nèi)像素及其權(quán)重作散點(diǎn)圖，經(jīng)平滑和閾值分割凸顯區(qū)域，醫(yī)生篩選保留正確標(biāo)注；迭代上述過(guò)程擴(kuò)展標(biāo)注至整個(gè)區(qū)域；將已知標(biāo)注區(qū)域擴(kuò)展到新區(qū)域，重復(fù)迭代直至所有待測(cè)結(jié)構(gòu)正確標(biāo)注，進(jìn)而形成偏振特征模板，輔助醫(yī)生識(shí)別病變區(qū)域、分析特征和解釋機(jī)制，減少醫(yī)生標(biāo)注工作量，提高標(biāo)注質(zhì)量。

肺癌癌癥區(qū)域偏振像素?cái)U(kuò)展標(biāo)注流程

結(jié)與展望

繆勒矩陣包含豐富的復(fù)雜生物樣本光學(xué)性質(zhì)和微觀結(jié)構(gòu)特征信息，如樣本中散射顆粒的濃度、大小、形狀、取向、排列、表面形貌、內(nèi)部結(jié)構(gòu)等。因此，繆勒?qǐng)D像可通過(guò)偏振特征提供分辨層次豐富的微觀結(jié)構(gòu)信息，幫助我們區(qū)分不同類型和不同狀態(tài)的細(xì)胞和組織。

繆勒成像具有無(wú)標(biāo)記、無(wú)損傷、跨尺度、多模態(tài)和定量測(cè)量的能力，在復(fù)雜生物和醫(yī)學(xué)樣本的靜態(tài)和動(dòng)態(tài)測(cè)量中已顯示出誘人的應(yīng)用前景。偏振圖像的每個(gè)像素都是繆勒矩陣，包含樣本的局域光學(xué)性質(zhì)和微觀結(jié)構(gòu)特征信息。定量提取像素偏振特征并據(jù)此表征樣本的物質(zhì)和結(jié)構(gòu)特征是偏振成像應(yīng)用的核心問(wèn)題。

相比基于染色圖像分析的數(shù)字病理，基于學(xué)的偏振數(shù)字病理能夠提供更加豐富的微觀結(jié)構(gòu)特征信息，已突顯出其臨床定量輔助診斷的優(yōu)勢(shì)和潛力。結(jié)合偏振成像所具有的無(wú)標(biāo)記、無(wú)損傷潛力，有望發(fā)展一種利用偏振特征拆分并定量表征生物樣本亞細(xì)胞層次光學(xué)性質(zhì)與微觀結(jié)構(gòu)特征的新型偏振空間組學(xué)技術(shù)。

聲明：本文僅用作學(xué)術(shù)目的。文章來(lái)源于：姚悅, 裴浩杰, 李浩, 萬(wàn)嘉晨, 陶麗麗, 馬輝. 基于全偏振顯微成像的數(shù)字病理技術(shù)[J]. 激光, 2024, 51(9): 0907008.