小羅碎碎念

這期推文介紹的內(nèi)容，我相信研究病理組學(xué)的人，一定都非常熟悉——HistoQC——病理切片的質(zhì)量控制。

之前寫過(guò)Hover Net系列的推文，反響還可以，但是Hover Net是用于細(xì)胞核檢測(cè)和分類的，直接從這里開始還不夠系統(tǒng)，所以我想了想，還是覺得要從頭開始。

最開始要做的，就是數(shù)據(jù)收回來(lái)以后，怎么處理？為了保證模型的準(zhǔn)確性，最開始要做的就是把質(zhì)量差的數(shù)據(jù)剔除（類似于臨床數(shù)據(jù)的納入排除標(biāo)準(zhǔn)），所以這一期推文介紹的就是如何批量篩除質(zhì)量差的切片。

另外，這篇文章并不是教你怎么用哈，只是給你梳理一下知識(shí)背景，讓你系統(tǒng)的了解一下這個(gè)工具而已。

---

這篇文章介紹了一個(gè)名為HistoQC的開源工具，它用于對(duì)數(shù)字病理切片進(jìn)行質(zhì)量控制。

數(shù)字病理（DP）指的是組織切片的數(shù)字化，這一技術(shù)正在改變臨床診斷工作流程，并在計(jì)算病理學(xué)領(lǐng)域引起了積極的研究。

HistoQC工具的主要目的是自動(dòng)識(shí)別和描繪數(shù)字切片中的偽影，并發(fā)現(xiàn)隊(duì)列級(jí)別的異常情況（例如，與其他切片相比，染色過(guò)深或過(guò)淺的切片）。這個(gè)工具結(jié)合了圖像度量（如顏色直方圖、亮度、對(duì)比度）、特征（如邊緣檢測(cè)器）和監(jiān)督分類器（如筆跡檢測(cè)），通過(guò)交互式圖形用戶界面向用戶展示無(wú)偽影區(qū)域和度量，使用戶能夠通過(guò)實(shí)時(shí)可視化和過(guò)濾來(lái)檢測(cè)偽影。用戶還可以明確定義他們工作流程中可接受的容差。

HistoQC在450張來(lái)自癌癥基因組圖譜（The Cancer Genome Atlas）的切片上進(jìn)行了測(cè)試，由兩位病理學(xué)家進(jìn)行了評(píng)審，結(jié)果表明，超過(guò)95%的情況下，HistoQC的輸出適合進(jìn)行計(jì)算分析。這表明HistoQC可以為識(shí)別偽影和測(cè)量切片質(zhì)量提供一個(gè)自動(dòng)化、可量化的質(zhì)量控制流程，從而幫助提高DP工作流程的重復(fù)性和穩(wěn)健性。

文章還討論了HistoQC的潛在改進(jìn)空間，包括檢測(cè)壓縮效果、整合更多特征，以及擴(kuò)展到其他類型的多模態(tài)顯微鏡圖像。此外，作者希望HistoQC能夠成為一個(gè)社區(qū)驅(qū)動(dòng)的參考實(shí)現(xiàn)集合，包括復(fù)雜的檢測(cè)器和度量方法。

HistoQC的源代碼是公開可用的，可以自由使用、修改和貢獻(xiàn)。

---

一、引言

精準(zhǔn)的疾病診斷通常依賴于病理學(xué)家在顯微鏡下對(duì)組織切片的視覺檢查。在此之前，必須先創(chuàng)建組織切片。這一過(guò)程包括大體器官解剖、選擇和準(zhǔn)備用于制作切片的組織塊、顯微切片（切割并將組織放置在玻片上）、染色和封片，存在許多分析前引入人為誤差和批次效應(yīng)的機(jī)會(huì)[1-3]。

這些人為誤差可能包括：

• 不正確的組織放置（例如，折疊、壓縮、撕裂、氣泡）
• 不正確的試劑（例如，過(guò)度或不足染色、染料濃度差異、染料批次變化）
• 較差的顯微切片（例如，刀片顫動(dòng)、厚度差異）

對(duì)這些切片進(jìn)行日益流行的數(shù)字化處理，以便利用計(jì)算機(jī)輔助診斷方法[4-6]，例如，又引入了另一種潛在的人為誤差源。這一數(shù)字化過(guò)程將通常用于顯微鏡病理學(xué)的玻璃切片放置在相當(dāng)于數(shù)碼相機(jī)上，以構(gòu)建切片的數(shù)字表示。掃描機(jī)制造商可能采用不同的方法進(jìn)行切片數(shù)字化，包括不同的硬件（例如，照明用的燈泡、數(shù)字化用的電荷耦合器件芯片）和圖像處理算法（例如，拼接、壓縮）以及文件格式。因此，切片掃描儀的選擇可能會(huì)影響圖像外觀，進(jìn)而可能對(duì)任何后續(xù)的圖像分析程序產(chǎn)生影響[7]。

這些數(shù)字病理學(xué)（DP）切片可能還會(huì)包括數(shù)字化誤差，如模糊、照明和對(duì)比度問(wèn)題。總的來(lái)說(shuō)，存在多種不同的來(lái)源組合，可能導(dǎo)致組織切片的外觀和質(zhì)量產(chǎn)生重大差異。

---

這些同樣的人為誤差和差異可能會(huì)對(duì)下游的臨床和研究工作流程產(chǎn)生負(fù)面影響[8]。

在當(dāng)今使用的模擬工作流程中，連續(xù)質(zhì)量控制（QC）過(guò)程是有限的，與實(shí)驗(yàn)室醫(yī)學(xué)依賴的連續(xù)統(tǒng)計(jì)過(guò)程控制不同。臨床上，因質(zhì)量原因被拒絕的切片會(huì)拖慢臨床病理工作流程，因?yàn)樾枰匦虑懈罨蛑匦聮呙柽@些切片，從而造成額外的延誤和不必要的成本。

從研究的角度來(lái)看，人為誤差是噪聲的來(lái)源，可能會(huì)不利地影響疾病檢測(cè)、診斷和預(yù)后等任務(wù)的解析分類器的開發(fā)和驗(yàn)證[9,10]。這對(duì)于日益流行的深度學(xué)習(xí)和機(jī)器學(xué)習(xí)方法尤為重要[11-16]，這些方法依賴于良好注釋且相對(duì)無(wú)誤差的圖像來(lái)學(xué)習(xí)特定疾病的表示。

---

目前，大多數(shù)臨床和研究應(yīng)用的質(zhì)量控制過(guò)程都是手動(dòng)進(jìn)行的，這使得過(guò)程具有主觀性、勞動(dòng)強(qiáng)度大且容易出錯(cuò)。

例如，盡管TCGA托管的30,000個(gè)數(shù)字化組織切片的圖像在引入TCGA之前經(jīng)過(guò)了手動(dòng)質(zhì)量控制，但在許多切片中仍可以看到廣泛的人為誤差和圖像質(zhì)量（圖1）。

圖中并列顯示了原始的組織切片圖像和HistoQC分析后的對(duì)應(yīng)圖像，其中品紅色（fuchsia）表示可接受的組織區(qū)域。

(A) 顯著的氣泡偽影：HistoQC識(shí)別出一個(gè)需要從實(shí)驗(yàn)隊(duì)列中移除的顯著氣泡偽影。氣泡偽影可能會(huì)影響圖像分析的準(zhǔn)確性，因?yàn)樗鼈兛赡芘c實(shí)際的組織結(jié)構(gòu)相混淆。

(B) 蓋玻片裂縫附近的模糊組織：HistoQC檢測(cè)到蓋玻片裂縫附近存在模糊的組織區(qū)域。模糊可能是由于切片過(guò)程中的技術(shù)問(wèn)題或者掃描過(guò)程中的焦點(diǎn)問(wèn)題造成的，這會(huì)影響圖像的清晰度和分析質(zhì)量。

? 折疊的組織：HistoQC識(shí)別出組織折疊的情況。組織在制備過(guò)程中可能會(huì)發(fā)生折疊，這會(huì)導(dǎo)致圖像中出現(xiàn)不連續(xù)的區(qū)域，影響圖像分析。

(D) 筆跡標(biāo)記：HistoQC正確地識(shí)別出應(yīng)避免的筆跡標(biāo)記區(qū)域。這些標(biāo)記可能是在切片的制備或標(biāo)記過(guò)程中留下的，它們不是組織的一部分，可能會(huì)干擾圖像分析。

這些分析結(jié)果表明HistoQC能夠有效地識(shí)別出可能影響病理學(xué)圖像分析的偽影和異常區(qū)域，幫助提高數(shù)字病理圖像的質(zhì)量控制。通過(guò)這些可視化的結(jié)果，用戶可以快速識(shí)別出問(wèn)題區(qū)域，并決定是否需要對(duì)切片進(jìn)行重新制備或掃描。

---

這篇文獻(xiàn)介紹了一個(gè)開源質(zhì)量控制應(yīng)用程序HistoQC，用于自動(dòng)評(píng)估切片質(zhì)量，以及一個(gè)包含人為誤差的切片公共存儲(chǔ)庫(kù)。

HistoQC結(jié)合了圖像度量（例如，顏色直方圖、亮度、對(duì)比度）、特征（例如，邊緣和平滑度檢測(cè)器）和監(jiān)督分類器（例如，筆檢測(cè)），以幫助用戶識(shí)別具有明顯技術(shù)誤差的切片、可能不適合計(jì)算分析的受誤差影響的區(qū)域（數(shù)據(jù)補(bǔ)充提供了當(dāng)前的分類器和度量列表）以及可能受批次效應(yīng)影響的樣本。

此外，HistoQC的模塊化特性允許輕松嵌入額外的度量和誤差檢測(cè)算法。

---

二、方法

2-1：HistoQC的工作原理

用戶提供一個(gè)配置文件，定義QC流程的參數(shù)，例如執(zhí)行哪些模塊以及順序。

當(dāng)基于Python的流程在切片上執(zhí)行時(shí)，將創(chuàng)建相關(guān)的輸出圖像（例如，縮略圖顯示潛在的模糊區(qū)域），并將元數(shù)據(jù)（例如，掃描儀類型、放大倍數(shù)、每像素微米數(shù)）和度量保存在一個(gè)制表符分隔的值文件中。按照設(shè)計(jì)，可以在整個(gè)切片上（即包括背景）或僅限于包含檢測(cè)到組織的區(qū)域計(jì)算圖像度量。

雖然任何常用的數(shù)據(jù)分析工具都可以用來(lái)審查制表符分隔的值輸出（例如，Matlab [MathWorks, Natick, MA], Excel [Microsoft, Redmond, WA], R [R Foundation, Vienna, Austria]），但作者開發(fā)了一個(gè)基于HTML5的用戶界面（圖2），可以無(wú)縫地實(shí)現(xiàn)數(shù)據(jù)的實(shí)時(shí)可視化和過(guò)濾。

---

2-2：HistoQC用戶界面的幾個(gè)關(guān)鍵功能和組件

FIG 2展示了HistoQC用戶界面的幾個(gè)關(guān)鍵功能和組件，這些功能使得用戶能夠高效地進(jìn)行質(zhì)量控制和圖像分析：

(A) 用戶界面展示：

• 表格：HistoQC生成的度量指標(biāo)以表格形式展示，具有可排序的列（綠色箭頭指示）。這允許用戶根據(jù)不同的度量標(biāo)準(zhǔn)對(duì)切片進(jìn)行排序和篩選。
• 平行坐標(biāo)圖（紅色框內(nèi)）：這是一種可視化工具，用于展示切片的多個(gè)度量指標(biāo)，幫助用戶識(shí)別批次效應(yīng)和異常值。具體的度量指標(biāo)和它們的視覺表示將在圖3中給出更多細(xì)節(jié)。
• 縮略圖：顯示了整個(gè)隊(duì)列的縮略圖，以及HistoQC疊加輸出，指示無(wú)偽影區(qū)域（藍(lán)色箭頭指示）。這為用戶提供了一個(gè)快速概覽，以識(shí)別可能需要進(jìn)一步審查的切片。

---

(B) 選擇單個(gè)圖像：

• 當(dāng)用戶在界面上選擇單個(gè)圖像時(shí)，平行坐標(biāo)圖中相應(yīng)的線條會(huì)被突出顯示。這有助于用戶在平行坐標(biāo)圖中追蹤和識(shí)別所選圖像的度量指標(biāo)。
• 同時(shí)，界面會(huì)展示該圖像由HistoQC流水線模塊生成的一系列輸出結(jié)果。這允許用戶對(duì)選定的切片進(jìn)行更詳細(xì)的審查和分析。

---

? 雙擊圖像：

• 用戶可以通過(guò)雙擊任何圖像來(lái)打開一個(gè)更高分辨率的版本，該版本具有動(dòng)態(tài)縮放功能。這使得用戶能夠?qū)撛诘膫斡斑M(jìn)行精細(xì)調(diào)整的檢查。
• 動(dòng)態(tài)縮放功能對(duì)于識(shí)別和分析圖像中的微小細(xì)節(jié)非常有用，尤其是在評(píng)估圖像質(zhì)量或偽影對(duì)分析可能產(chǎn)生的影響時(shí)。

---

在用戶使用注釋字段注釋行或從表中刪除行之后，可以保存結(jié)果表，并將其用作適合下游實(shí)驗(yàn)的樣本列表。在安裝后，不需要互聯(lián)網(wǎng)連接，使得這個(gè)模型特別適用于非匿名臨床數(shù)據(jù)。

---

三、結(jié)果

為了驗(yàn)證HistoQC生成的結(jié)果，邀請(qǐng)了兩位具有DP經(jīng)驗(yàn)的病理學(xué)家對(duì)HistoQC生成的每個(gè)掩模進(jìn)行評(píng)估，將其分為可接受或不可接受。

可接受性定義為病理學(xué)家的視覺評(píng)估與HistoQC對(duì)無(wú)誤差組織的計(jì)算評(píng)估之間至少有85%的區(qū)域重疊。每位病理學(xué)家獨(dú)立審查了250個(gè)樣本。

此外，兩位病理學(xué)家和HistoQC共同評(píng)估了來(lái)自TCGA的50張圖像，以確定對(duì)HistoQC輸出的專家間一致性。總體而言，HistoQC與專家1的總體一致性為94%（250個(gè)中的235個(gè)），與專家2的一致性為97%（250個(gè)中的242個(gè)）。對(duì)于兩位專家共同評(píng)估的50張切片，觀察者間一致性為96%（50個(gè)中的48個(gè)），與HistoQC與個(gè)別讀者的比較相當(dāng)。

不一致的主要原因是染色較淡的切片導(dǎo)致組織檢測(cè)失敗，以及一些主要富含間質(zhì)的區(qū)域被錯(cuò)誤地識(shí)別為模糊（數(shù)據(jù)補(bǔ)充）。這些失敗在HistoQC用戶界面表現(xiàn)為異常值，主要是由于度量（例如，估計(jì)的組織面積）與所分析切片的其余部分相關(guān)的標(biāo)準(zhǔn)差數(shù)量級(jí)不同。

---

病理學(xué)家還提供了關(guān)于HistoQC似乎錯(cuò)誤識(shí)別為受損或不受損的病例模式的定性反饋。這些病例通常分為三類：

• 固定不良的組織
• 壞死組織
• 微妙的脂肪組織浸潤(rùn)伴少量組織反應(yīng)

HistoQC在完全識(shí)別粘液瘤中的實(shí)質(zhì)方面有時(shí)也遇到困難。作者正在努力進(jìn)一步改進(jìn)HistoQC，以解決這些局限性，并在下一個(gè)版本中予以解決。

【PS：文章于19年發(fā)表，我們?cè)贕ithub上可以看到，最新的一版更新于21年5月】

---

四、討論

總結(jié)來(lái)說(shuō)，作者提出并發(fā)布了一個(gè)名為HistoQC的開源DP切片質(zhì)量控制工具。

4-1：HistoQC適用于界定切片級(jí)別的誤差

將HistoQC與兩位病理學(xué)家對(duì)450張圖像的手動(dòng)質(zhì)量控制進(jìn)行比較，平均一致性超過(guò)95%，與兩位個(gè)別人類讀者之間的同意范圍相當(dāng)。此外，HistoQC計(jì)算出的圖像度量可以被研究人員和分析流程開發(fā)者用來(lái)精確定義他們的算法所訓(xùn)練和驗(yàn)證的輸入圖像特征。這些圖像特征的嚴(yán)格規(guī)范使得算法可以選擇性地僅在適當(dāng)?shù)膱D像上調(diào)用，這可能會(huì)提高算法的置信度。

DP工作流程正處于利用強(qiáng)大的計(jì)算機(jī)輔助診斷（CAD）支持算法的邊緣，這可能會(huì)大大減少觀察者內(nèi)部和觀察者之間的診斷變異性。正如最近的一些出版物所揭示的，許多CAD和人工智能（AI）算法在對(duì)其初始訓(xùn)練圖像集之外的隊(duì)列進(jìn)行評(píng)估時(shí)，似乎不具有很好的泛化能力。

因此，這些AI和CAD算法必須在大量的異構(gòu)輸入上進(jìn)行穩(wěn)健的驗(yàn)證。像HistoQC這樣的方法可以允許對(duì)測(cè)試集進(jìn)行預(yù)評(píng)估，以確保CAD和AI算法在足夠多樣化的測(cè)試圖像上進(jìn)行評(píng)估。

---

4-2：HistoQC需要進(jìn)一步改進(jìn)的地方

例如，由于DP掃描儀之間通常存在的壓縮水平異質(zhì)性，以及壓縮誤差影響深度學(xué)習(xí)和AI算法性能的證據(jù)，HistoQC可以擴(kuò)展到檢測(cè)和測(cè)量壓縮效果。

在需要整合更多特征的基礎(chǔ)上，作者設(shè)想HistoQC將發(fā)展成為一個(gè)由社區(qū)驅(qū)動(dòng)的復(fù)雜檢測(cè)器和度量標(biāo)準(zhǔn)參考實(shí)現(xiàn)的集合。例如，Senaras等人提出了一種基于深度學(xué)習(xí)的模糊檢測(cè)器，Avanaki等人提出了一種基于紋理的圖像質(zhì)量度量。作者希望這些類型的算法在未來(lái)能夠嵌入到HistoQC中，以實(shí)現(xiàn)不同站點(diǎn)和實(shí)驗(yàn)室之間結(jié)果的比較。

本文所展示的工作重點(diǎn)是對(duì)HistoQC在蘇木精和伊紅明場(chǎng)顯微鏡圖像背景下的評(píng)估。顯然，還需要在其他類型的多元顯微鏡圖像，如免疫組織化學(xué)染色和定量免疫熒光中應(yīng)用質(zhì)量控制度量。最后，作者希望匯集用戶社區(qū)在使用HistoQC過(guò)程中識(shí)別的獨(dú)特誤差。作者已經(jīng)建立了一個(gè)圖像質(zhì)量存儲(chǔ)庫(kù)，允許終端用戶上傳包含誤差的切片。這個(gè)存儲(chǔ)庫(kù)將幫助提供未來(lái)CAD方法的基準(zhǔn)測(cè)試所需的訓(xùn)練和驗(yàn)證材料。