تجزیه و تحلیل بدون برچسب بازسازی بافت التهابی در بافت ریه موش بر اساس میکروسکوپ چند فوتونی، طیف‌سنجی رامان و یادگیری ماشینی

خلاصه

بازسازی بافت فیبروتیک التهابی می تواند منجر به عوارض شدید شود. درجه بندی هیستوپاتولوژی مستلزم استخراج بیوپسی و پردازش بافت دقیق است. فناوری‌های نوری بدون برچسب می‌توانند بازخوانی تشخیصی را بدون آماده‌سازی و رنگ‌آمیزی مصنوعی ارائه دهند و پتانسیل را برای کاربردهای in vivo نشان دهند. در اینجا، ما ادغام طیف‌سنجی رامان (RS) و میکروسکوپ چند فوتونی (MPM) را برای بررسی مشترک ترکیبات بیوشیمیایی و ویژگی‌های مورفولوژیکی مربوط به اجزای سلولی و بافت همبند ارائه می‌کنیم. هر دو روش نشان می دهد که امضاهای کلاژن به طور قابل توجهی در یک مدل فیبروز موش افزایش یافته است. علاوه بر این، امضاهای اتوفلورسانس اختصاص داده شده به سلول های ایمنی، همبستگی بالایی با شدت بیماری نشان می دهد. RS نشان دهنده افزایش سطح الاستین و لیپیدها است. علاوه بر این، ما تأثیر مجموعه داده‌های مشترک بر عملکرد پیش‌بینی در مدل‌های یادگیری ماشین را بررسی کردیم. اگرچه طبقه‌بندی باینری از افزودن ویژگی‌های بیشتر سودی نداشت، طبقه‌بندی چند کلاسه با مجموعه داده‌های یکپارچه بهبود یافت.