《Informatics in Medicine Unlocked》：Cancer cytoplasm segmentation in hyperspectral cell image with data augmentation
编辑推荐：
为解决CMOS图像诊断细节信息不足、高光谱图像样本稀缺及仪器噪声干扰等问题，研究人员开展了一项关于乳腺癌高光谱病理图像的数据增强与深度学习分割研究。他们提出了一种基于CMOS RGB图像生成伪高光谱噪声图像的数据增强方法，并利用U-Net模型分割癌症细胞质。实验结果表明，该方法在定性和定量上均有效，为利用高光谱图像进行精准癌症分型奠定了基础。
在医疗健康领域，精准的病理诊断是疾病诊疗的基石。传统的病理诊断依赖于病理学家在显微镜下观察经苏木精-伊红（H&E）染色的组织切片，这种染色方法能清晰地区分细胞核（蓝色/紫色）和细胞质/细胞外基质（粉红色），是检测细胞核或癌变区域的常用手段。然而，识别癌症细胞质对于确定癌症类型至关重要，但要从细胞图像中准确分割出癌症细胞质区域却面临诸多挑战。
一方面，广泛使用的CMOS相机采集的病理图像，其某些通道可能缺乏足够信息来准确检测癌症。另一方面，能提供更全面细胞信息的高光谱成像技术，在应用于病理分析时却常常“水土不服”：获取大规模、高质量的高光谱病理图像本身就很困难，且这些图像极易受到成像设备特性（如基于线推扫方法的高光谱相机）的影响，包含难以避免的仪器噪声（Instrumental noise），如垂直或水平的条纹噪声、像素偏移等。这些噪声不仅影响图像质量，也使得为深度学习模型进行耗时费力的手动标注雪上加霜。深度学习模型，尤其是像U-Net这样在医学图像分割中表现出色的模型，通常需要大量标注数据才能充分发挥性能。在高光谱病理图像，特别是针对癌症细胞质分割这一独特任务上，现有数据集稀少，构建大规模标注数据集成本极高。那么，能否“无中生有”，利用更容易获取和标注的CMOS图像，来辅助训练一个能有效处理带噪声高光谱图像的模型呢？这正是本研究试图破解的难题。
为了解决高光谱细胞图像中癌症细胞质分割的数据瓶颈和噪声鲁棒性问题，Rebeka Sultana、Hibiki Horibe、Tomoaki Murakami和Ikuko Shimizu等研究人员在《Informatics in Medicine Unlocked》上发表了一项创新性研究。他们提出了一种新颖的数据增强方法，能够从无噪声的CMOS RGB乳腺癌病理图像中，生成模拟真实仪器噪声的伪高光谱图像，进而用于训练U-Net分割模型，最终实现对高光谱病理图像中癌症细胞质的有效分割。该研究首次将深度学习应用于高光谱病理图像的癌症细胞质分割，并为处理仪器噪声提供了一种实用的数据增强思路。
为开展此项研究，研究人员主要运用了以下几项关键技术方法：首先，他们构建了一个独特的H&E染色犬乳腺腺癌细胞图像数据集，使用安装有CMOS相机和NH-1系列高光谱相机的OLYMPUS BX51显微镜进行采集，获得了包含不同视觉模式的CMOS图像和多个光谱波段（400-800 nm，间隔5 nm）的高光谱图像。其次，他们提出了一套核心的数据增强流程，包括将CMOS图像转换为灰度图并进行亮度调整（伽马校正、直方图均衡化），随后添加模拟的垂直和水平仪器噪声线，最后再应用裁剪、翻转、平移等几何变换以进一步扩充数据集。最后，他们采用了经典的U-Net深度学习模型架构，使用包含真实高光谱图像和生成的伪高谱图像的组合数据集进行训练，以分割癌症细胞质、细胞核等多个类别，并通过5折交叉验证和定量指标（IoU、Dice系数）来评估模型性能。
研究结果
- •
数据增强流程的有效性：研究提出的方法能从单张CMOS图像生成多张带有模拟仪器噪声的伪高光谱图像。如图2所示，该流程依次进行颜色转换与亮度调整、噪声添加（包括垂直和水平噪声）以及通用的几何变换增强，成功生成了与真实高光谱图像视觉特征相似的增强样本。
- •
定性结果分析：如图8所示，与仅使用原始高光谱图像训练的方法相比，结合了所提数据增强方法训练的模型，在七种不同类型的细胞图像上，对癌症细胞质的预测结果更准确。预测结果与真实标注（黄色区域）的重合度更高，而漏分（绿色）和错分（红色）的区域更少，视觉上证明了该方法的优越性。
- •
定量结果分析：如表3所示，使用提出的数据增强方法（结合44张原始和792张伪高光谱图像，共836张图像）训练的模型，其交并比（IoU）达到0.6458，Dice系数达到0.7820，显著优于仅使用44张原始噪声高光谱图像训练的对比模型（IoU: 0.5786, Dice: 0.7304）。这证明了通过CMOS图像生成伪噪声高光谱图像进行数据增强，能有效提升模型的分割性能。
- •
消融研究验证关键组件：通过一系列消融实验，研究验证了各个组件的贡献。如表4和表5所示，仅使用伪噪声图像（即使不包含原始高光谱图像）也能取得不错的效果，而结合原始图像和大量增强图像效果最佳。此外，在伪噪声图像上添加仪器噪声，比在干净图像上仅进行常规几何增强效果更好，突出了模拟仪器噪声对于提升模型噪声鲁棒性的重要性。
- •
通用数据增强技术的组合效果：研究还评估了不同几何变换增强技术单独及组合使用的效果（表6，表7）。结果表明，垂直翻转、裁剪等技术能进一步提升性能，而组合多种增强技术通常能获得最佳结果，说明增加训练数据的多样性对模型泛化有益。
- •
模型偏差与图像特性分析：研究注意到模型在不同类型的测试图像上表现存在差异（表8）。对各类图像的平均图像和强度直方图分析（图9）发现，模型在较暗或细胞核密集的图像类型上分割性能较低，表明模型的性能受到图像亮度和结构复杂性的影响。
- •
统计显著性检验：通过t检验分析五折交叉验证的结果（表9），证实了所提方法在IoU和Dice系数上相对于基线方法的提升具有统计显著性（p值极小），说明性能改进是稳定可靠的。
研究结论与讨论
本研究成功地提出并验证了一种针对高光谱病理图像癌症细胞质分割的数据增强方法。该方法的核心创新在于，利用视觉清晰、易于标注的CMOS RGB图像，通过模拟高光谱图像的特有仪器噪声（垂直/水平噪声线）并进行后续的几何变换，生成了大量的伪高光谱训练图像。实验结果表明，使用这种增强数据训练的U-Net模型，能够显著提升在真实带噪声高光谱图像上分割癌症细胞质的准确性和鲁棒性。
这项工作的意义重大。首先，它首次实现了基于深度学习的高光谱病理图像癌症细胞质分割，为目标独特的细分领域提供了新的解决方案。其次，它巧妙地解决了高光谱医学图像标注数据稀缺和仪器噪声干扰的双重难题。通过利用CMOS图像“制造”高光谱训练样本，大幅降低了对昂贵、耗时的高光谱图像人工标注的依赖，为小样本下的高光谱图像分析提供了实用策略。更重要的是，该方法明确考虑了高光谱成像中固有的、设备相关的仪器噪声，并通过数据增强使模型“习惯”这种噪声，从而提高了模型在真实嘈杂环境下的泛化能力和实用性。这比单纯追求在干净数据上获得高精度更有临床价值，因为在实际的医院环境中，完全无噪声的高光谱图像难以保证。
尽管研究取得了积极成果，作者也指出了局限性。例如，模型性能在不同亮度、不同细胞密度的图像类型上存在差异，暗示未来需要进一步优化模型架构或增强策略以减少此类偏差。此外，当前方法主要侧重于模拟噪声以提升鲁棒性，而非精确复现光谱信息，未来可探索结合光谱特征的数据增强方法。
总之，这项研究为高光谱病理图像分析，特别是针对细胞质等精细结构的定量分析，开辟了一条经济可行的路径。它不仅推动了计算病理学的发展，也为未来基于高光谱成像的癌症自动分型和精准诊断工具的开发奠定了重要的技术基础。该方法的思想也可迁移至其他存在类似数据短缺和噪声问题的医学影像分析任务中，具有广泛的应用前景。
