大家好，这里是老上光显微镜知识课堂，在这里你可以学到所有关于显微镜知识，好的，请看下面文章： 详细介绍:

可是，一种3D显微镜技能能够使整个肿瘤能够以3D形式呈现。Inna Sabdyusheva开发了一种化学办法来“铲除”乳腺癌样品，然后使它们变得通明，但结构保持不变，所以癌细胞依然能够被辨认。

　　然后在3D显微镜下查看通明样品，薄层激光束即所谓的“光片”穿透安排。然后对样品进行逐层剖析，即使从未切过肿瘤，核算机也能够显现肿瘤的一切切片。经过这种方式，能够看到被癌细胞堵塞的乳腺导管。

　　超显微3D肿瘤显微镜操作过程

　　为了铲除肿瘤，咱们提出了一种制备技能，该技能包括三个过程：

　　（a）用福尔马林/ 5-磺基水杨酸固定和增强安排自发荧光

　　（b）用2,2-二甲氧基丙烷进行的超快活性化学脱水

　　（c）在56°C下与二苄基醚匹配的更好折射率

　　铲除后，对肿瘤切除部位成像。图画经过核算处理后以增强对比度和去除伪影，然后进行3D重建。

　　用pathoDISCO进行安排处理

　　（a）实体肿瘤的可逆安排铲除和3D成像工作流程

　　（b）样品的体积收缩率比较（％），用pathoDISCO和3DISCO铲除（n = 16）

　　（c）从手术到3D重建的安排处理时间表

　　图画收集

　　运用定制的超显微设置获取了根据挑选性增强的肿瘤切除部位自发荧光的图画。咱们建立了,自发荧光激发是经过运用488 nm波长的激光完成的。所发出的荧光经过光学带通滤光片过滤，截止波长为550±49 nm。

　　记载后，对获取的图画进行对比度受限的自适应直方图平衡（CLAHE）46，经过频域47中的定向空间滤波去除条纹伪影，以及对终究清晰度进行锐化掩盖。咱们发现，按此处理过程，能够明显提高对比度。为了经过CLAHE取得结果，图画中的灰度级数应尽或许高（例如，对应于65,535灰度级的16位），因为该算法会将不明显的小亮度差异转换为人眼能够很好感知的较大差异。

　　（a）超显微设置：用于荧光激发的蓝宝石激光器单元（未显现），分束器立方（BSC），45度银镜（M），两个光片发生器单元（LSG），两个可移动的线性渠道（LS）沿光束传播轴（z）的LSG单元，用于将光片的中心叠加在生物样品的中心；核算机控制的渠道，用于将样品垂直移动经过光片（VS）；石英容器（QC） ，其中装有成像介质（DBE）。检测单元包括配备有用于补偿折射率失配的调制器（MO）的×2，×4或×16物镜，配备有带通滤光片（BPF）轮的管状透镜（TL）和CMOS相机。（b，c）以×2扩大率记载癌症样品。

　　因为一切应用的图画处理过程都在2D图画上进行操作，因而它们在核算上不会消耗很多成本，例如3D反卷积办法（需求输入三维数据）。因而，整个记载处理链基本上能够在记载过程中运用的多处理器核算机实时地履行。

　　3D重建

　　预处理后，运用可视化软件AMIRA 6.7（德国Thermofisher）三维重建了600–2,000张图画的堆栈。因为肿瘤记载是单色的，因而必须经过其特征性自发荧光强度来区分不同类型的安排（图 1 d1，e1，f1）。咱们发现自发荧光强度对应于红细胞和微钙化，血管结构和胶原纤维。因而，血管结构和胶原纤维用2×或4×扩大倍数（图变得可见 1 D2，E2），红细胞（图 1 F 2，4 G）能够运用16×扩大率被辨认。核（扩大16倍）（图 4d，f）和脂肪细胞（扩大2倍或4倍）（图2 d，e，3 d）因为本身荧光较低而显得较暗。

　　3D安排病理学应用于人类乳腺肿瘤。杰出显现与癌症相关的安排结构。（a，b）未铲除的乳房安排标本。（c）化学安排铲除后的同一标本。（d – f）标本的3D重建的代表性图画。（d1）以×2扩大率记载的DCIS样品的挑选平面。（d2）具有杰出显现的血管的相同3D重建。（e1）以×16扩大率记载的乳腺癌标本的3D重建挑选平面。（e2）相同的3D重建，杰出显现了血管和有丝分裂活动部位。（f1）以×16扩大倍数记载的乳腺癌样品的3D重建。（f2）别离调查同一样本的血管（拜见弥补材料中图4的电影 ）。

　　为了简化人类视觉对相关安排结构的检测和辨认，咱们开发了几种色彩图，可将亮度差异转换为色彩差异。咱们还履行了根据强度的阈值分割，以杰出显现3D重建中与确诊相关的结构。咱们能够证明这能够可视化某些癌症标志。

　　病理学的革命

　　Hans-Ulrich Dodt 说：“咱们坚信这种办法将彻底改变病理学。在比以前更少的时间内，能够完成更高的查看可靠性。此外，新的3D办法还为将来的癌症发展提供全新的见地。”

　　3D肿瘤显微镜的运用使病理学工作变得更加容易。Hans-Ulrich Dodt 表明：“病理学家将不再需求在显微镜下查看很多的安排切片，而是能够运用鼠标在图画上翻滚，这与放射学家现在的工作方式类似。” Dodt认为，在此过程中生成的很多图画数据也为人工智能范畴带来了全新的时机，这样的核算机程序能够在将来加速并简化肿瘤确诊。”