HistoNeRF：一种易于使用且智能的方法，用于全面的2D到3D组织学评估

《Microscopy Research and Technique》：HistoNeRF: An Accessible and Intelligent Approach for Comprehensive 2D-to-3D Histological Assessment

三维组织重建与NeRF技术结合提升病理学可视化

　　

摘要

组织学分析在生物医学研究和诊断病理学中至关重要，然而传统的二维（2D）切片方法只能捕捉到组织结构的有限方面。诸如肿瘤边界、基质组织和血管网络等关键的空间关系仍然无法被清晰显示，这限制了诊断的准确性和生物学解释的能力。HistoNeRF通过将神经辐射场（NeRF）技术应用于常规组织学切片的重建，从而克服了这些限制。在本研究中，84张经过甲苯胺蓝（TB）染色的小鼠卵巢切片被数字化、对齐校正，并整合成三维（3D）模型。组织分割是通过卷积神经网络完成的，而可视化则是通过一个交互式的、由GPU加速的界面实现的。为了确保可访问性和可重复性，我们开发了一个基于Python的图形化应用程序（HistoNeRF GUI），该应用程序遵循人机交互（HCI）原则，并使用Docker进行容器化处理，从而可以通过Docker Hub无需安装即可部署。HistoNeRF生成了高保真的3D重建结果（结构相似性指数SSIM=0.92；Dice相似系数=0.88），使专家级组织学家能够更清晰地观察卵泡结构、基质成分和血管元素。这个容器化的GUI可以从Docker Hub成功部署，用户无需复杂的本地设置即可直接使用3D重建功能。通过克服2D显微镜的固有局限性，HistoNeRF提高了组织学结构的可视化效果、可解释性和可重复性。该HCI指导的跨平台界面支持可扩展性，并有助于数字病理工作流程的快速采用。尽管目前验证仅限于小鼠卵巢组织和一种染色方法，但该框架可以扩展到其他组织类型和临床数据集。HistoNeRF通过准确的交互式重建技术，将常规组织学分析与3D体积分析相结合，从而提升了诊断精度和生物医学研究的水平。虽然目前仅在84张甲苯胺蓝染色的卵巢切片上进行了验证，但未来需要在更多组织类型、染色方法和病理条件下进行更广泛的验证；为此，我们提供了一个模块化的Docker化流程，以便于进一步扩展。

亮点

?'
• HistoNeRF利用神经辐射场技术从2D切片重建3D组织结构，通过HCI指导的、Docker化的图形界面实现准确、易于访问且可重复的可视化。

利益冲突

作者声明没有利益冲突。

数据可用性声明

支持本研究结果的数据可应合理请求向通讯作者获取。