From Fibers to Cells: Fourier-Based Registration Enables Virtual Cresyl Violet Staining From 3D Polarized Light Imaging

要約

脳の微細構造のさまざまな側面の包括的な評価には、補完的なイメージング技術の使用が必要です。
これには、細胞体の空間分布（細胞構造）と神経繊維（Myeloarchitecture）の測定が含まれます。
Cytoarchitectonic分析のゴールドスタンダードは、細胞体染色組織切片の光顕微鏡画像です。
神経線維の3D方向を明らかにするために、3D偏光イメージング（3D-PLI）が、一連の完全な脳切片を処理できるようにしながら、マイクロメートル範囲の解像度を提供する信頼できる手法として導入されています。
3D-PLIの獲得はラベルフリーであり、測定後にセクションのその後の染色を可能にします。
細胞体の後染色により、繊維構造と細胞構造の間の直接的なリンクを同じセクション内で潜在的に確立できます。
ただし、染色プロセス中に導入された避けられない歪みにより、画像内の細胞と繊維間の詳細な関係を研究するために、非線形およびクロスモーダルの登録が必要になります。
さらに、ポスト染色の組織セクションを処理する複雑さにより、限られた数のサンプルのみが可能になります。
この作業では、画像間翻訳の深い学習方法を利用して、細胞レベルで空間的に整列する3D-PLIの仮想染色を生成します。
監視された設定では、3D-PLI測定後にクレシルバイオレット染色が適用された脳セクションの一意のデータセットの上に構築されます。
両方のモダリティ間の高い対応を確保するために、フーリエベースの登録方法を使用して、トレーニングデータの不整合に対処します。
このようにして、登録は、ターゲットと予測された染色のローカル画像パッチのトレーニング中に効率的に計算できます。
提案された方法により、3D-PLIからのクレシルバイオレット染色の予測が可能になり、個々の細胞インスタンスが一致することを実証します。

要約(オリジナル)

Comprehensive assessment of the various aspects of the brain’s microstructure requires the use of complementary imaging techniques. This includes measuring the spatial distribution of cell bodies (cytoarchitecture) and nerve fibers (myeloarchitecture). The gold standard for cytoarchitectonic analysis is light microscopic imaging of cell-body stained tissue sections. To reveal the 3D orientations of nerve fibers, 3D Polarized Light Imaging (3D-PLI) has been introduced as a reliable technique providing a resolution in the micrometer range while allowing processing of series of complete brain sections. 3D-PLI acquisition is label-free and allows subsequent staining of sections after measurement. By post-staining for cell bodies, a direct link between fiber- and cytoarchitecture can potentially be established within the same section. However, inevitable distortions introduced during the staining process make a nonlinear and cross-modal registration necessary in order to study the detailed relationships between cells and fibers in the images. In addition, the complexity of processing histological sections for post-staining only allows for a limited number of samples. In this work, we take advantage of deep learning methods for image-to-image translation to generate a virtual staining of 3D-PLI that is spatially aligned at the cellular level. In a supervised setting, we build on a unique dataset of brain sections, to which Cresyl violet staining has been applied after 3D-PLI measurement. To ensure high correspondence between both modalities, we address the misalignment of training data using Fourier-based registration methods. In this way, registration can be efficiently calculated during training for local image patches of target and predicted staining. We demonstrate that the proposed method enables prediction of a Cresyl violet staining from 3D-PLI, matching individual cell instances.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google