Análisis de imagen automatizado del tejido
Análisis de imagen automatizado del tejido es un proceso por el cual controlado por ordenador equipo de prueba automático para evaluar la tejido muestras, utilizando cálculos de obtener mediciones cuantitativas de una imagen para evitar errores subjetivos.
En una aplicación típica, análisis de imagen automatizado tejido podrían utilizarse para medir la actividad total de células cancerosas en un biopsia de la de una canceroso tumor tomado de un paciente. En cáncer de mama pacientes, por ejemplo, análisis de imagen automatizado del tejido pueden utilizarse para detectar altos niveles de proteínas conocido por estar presente en formas más agresivas de cáncer de mama.
Contenido
- 1 Aplicaciones
- 2 Procesos de
- 2.1 Preparación
- 2.2 Adquisición
- 2.3 Análisis
- 2.4 Presentación de informes
- 2.5 Almacenamiento de información
- 3 Véase también
- 4 Referencias
Aplicaciones
Tejido automatizado análisis de imágenes puede reducir significativamente la incertidumbre en la caracterización de tumores en comparación con las evaluaciones por histólogos,[1] o mejorar la tasa de predicción de recurrencia de algunos tipos de cáncer.[2][3] Como es un sistema digital, apto para redes, también facilita la cooperación entre sitios distantes.[4] Sistemas para analizar automáticamente las muestras de tejido también reducen costos y ahorran tiempo.[1]
Alto rendimiento Cámaras CCD se utilizan para la adquisición de las imágenes digitales. Junto con avanzadas Microscopios de campo amplio y varios algoritmos de para restauración de imagen, este enfoque puede proporcionar mejores resultados que confocales técnicas a velocidades comparables y menores costos.[5]
Procesos de
El Estados Unidos Food and Drug Administration clasifica estos sistemas como dispositivos médicos, bajo la categoría general de instrumentación de equipo de prueba automático.[6]
ATIS tiene siete procesos básicos (preparación de muestras, adquisición de imágenes, análisis de imagen, resultados informes, almacenamiento de datos, comunicación de la red y sistema de auto diagnóstico) y la realización de estas funciones altamente precisa hardware y bien integrado, complejo y costoso software.[7]
Preparación
Preparación de las muestras es fundamental para evaluar el tumor en el sistema automatizado. En la primera parte del proceso de preparación en que se corta el tejido hecho una biopsia a un tamaño apropiado (normalmente de 4 mm), fijado tampón formalina, deshidratadas en etanol -xileno, incorporado en parafina, delgado seccionado típicamente a 4 um rebanadas, entonces montado en al menos dos código de barras diapositivas (un control y una prueba). A continuación se retira la parafina del tejido, el tejido es rehidratado, entonces manchado. Cualquier inconsistencia en estos procedimientos de caso a caso puede provocar incertidumbre en el resultado del análisis. Estas inconsistencias en los resultados de análisis irreductibles y potenciales motivaron el desarrollo de sistemas de imagen de tejidos automatizados.
Adquisición
Las fotografías digitales se adquieren del espécimen en el portaobjetos de cristal manchado. Las imágenes son tomadas por un conjunto de carga – dispositivos de acoplamiento (CCD).[8]
Análisis
Análisis de la imagen consiste en algoritmos complejos que identifican y caracterizan celular color, forma y cantidad de la muestra de tejido mediante tecnología de reconocimiento de patrones de imágenes basada en Vector quantization. Representaciones vectoriales de objetos en la imagen, en contraposición a la representación de mapa de bits, tienen capacidad de zoom superior. Una vez que se ha adquirido la imagen de muestra y residente en la memoria de acceso aleatorio del equipo como una gran variedad de 0 y 1, un programador experto en arquitectura celular puede desarrollar determinista algoritmos de aplicado al espacio de memoria para detectar patrones de celdas definidas previamente las estructuras celulares y formaciones conocidas a ser significativo.[9]
El resultado global del algoritmo es un conjunto de mediciones que es muy superior a cualquier sensibilidad humana a la intensidad o luminancia y matiz de color, mientras que al mismo tiempo mejorar la prueba de consistencia de cara a cara.[citación necesitada]
Presentación de informes
Los sistemas tienen la capacidad de presentar los datos en texto y gráficamente, como en monitores de alta definición, el usuario del sistema. Impresoras para computadoras, como dispositivos de resolución de imagen relativamente bajas, se utilizan sobre todo para presentar final patología informes que podrían incluir texto y gráficos.[citación necesitada]
Almacenamiento de información
Almacenamiento de los datos adquiridos (gráfico diapositiva digital archivos y datos de texto) consiste en guardar la información de sistema en un dispositivo de almacenamiento de datos sistema con recuperación de por lo menos conveniente y capacidades de gestión de archivos.[citación necesitada]
Estándares de proyección de imagen médica incluye el (Picture Archiving and Communication SystemsPACS), de origen europeo, que son soluciones de gestión de imagen e información en redes informáticas que permiten a hospitales y clínicas para adquirir, distribuir y archivar imágenes médicas e informes de diagnósticos en toda la empresa. Otro estándar de origen europeo es el datos Picture Archiving y sistema de comunicación (DPAC). Aunque imágenes médicas pueden ser almacenados en varios formatos, un formato común ha sido la proyección de imagen Digital y comunicaciones en medicina (DICOM).[citación necesitada]
Véase también
- Histopatología
Referencias
- ^ a b O ' Gorman, Lawrence; Sanderson, Arthur C.; Preston, Kendall (septiembre de 1985). "Un sistema de análisis de imagen automatizado tejido hepático: métodos y resultados". IEEE Transactions on Biomedical Engineering. BME-32 (9): 696-706. doi:10.1109/TBME.1985.325587. ISSN0018-9294.
- ^ Teverovskiy, M.; Kumar, V.; Ma Junshui; Kotsianti, A.; Verbel, D.; Tabesh, A.; Pang Ho-Yuen; Vengrenyuk, Y.; Fogarasi, S.; Saidi, O.; Aureon Biosciences Corp., Yonkers, NY, los E.e.u.u. (2004-04-18). "Mejor predicción de recurrencia de cáncer de próstata basada en un sistema de análisis de imagen automatizado del tejido". La proyección de imagen biomédica: Nano macro, 2004. Simposio Internacional de IEEE 1:: 257-260. doi:10.1109/ISBI.2004.1398523. ISBN0-7803-8388-5. OAI: 10
.1 .1 .58 .9929. - ^ Alí Tabesh, Mikhail Teverovskiy, Pang Ho-Yuen, Vinay Kumar P., David Verbel, Angeliki Kotsianti y Olivier Saidi (octubre de 2007). «Multifeature próstata Gleason y diagnóstico de cáncer de clasificación de imágenes histológicas» (PDF). Transacciones de IEEE en la proyección de imagen médica 26 (10): 1366 – 1378. doi:10.1109/TMI.2007.898536. ISSN0278-0062. PMID17948727.
- ^ Bruce Mccullough, Xiaoyou Ying, Thomas Monticello y Marc Bonnefoi (2004). "Proyección de imagen de microscopia digital y nuevos enfoques en la patología toxicológica". Patología toxicológica 32 (2): 49-58. doi:10.1080/01926230490451734.
- ^ Pornchai Phukpattaranont y Pleumjit Boonyaphiphat (2007). «Una célula automática método de conteo para una imagen microscópica de tejido de cáncer de mama». Procedimientos IFMBE. Procedimientos IFMBE 15:: 241 – 244. doi:10.1007/978-3-540-68017-8_63. ISBN978-3-540-68016-1.
- ^ Pruebas de sistemas informáticos para FDA/MHRA cumplimiento - David Stokes - Google libros. Books.Google.com. 2003-11-25. ISBN9780849321634. 2012-07-12.
- ^ "Analytica Chimica Acta - avances en la tecnología de microarrays de tejido de cáncer: hacia la mejor comprensión y diagnóstico". ScienceDirect.com. 2012-07-12.
- ^ MacDonald, J. H.; Wells, K.; Lector, A. J.; Ott, r. J. (febrero de 1997). "Un basada en CCD tejido sistema de imagen". Instrumentos nucleares y métodos en la física de investigación sección A: aceleradores, espectrómetros, detectores y equipo asociado (Instrumentos nucleares y métodos en la investigación de la física) 392 (1-3): 220-226. Bibcode:1997NIMPA.392... 220M. doi:10.1016/S0168-9002 (97) 00297-0.
- ^ Han, J.W., Breckon, T.P., Randell, D.A., Landini, G. (2012). "La aplicación de la clasificación de la máquina de vectores soporte para detectar núcleos celulares para microscopía automatizada". Visión artificial y aplicaciones (Springer) 23 (1): 15 – 24. doi:10.1007/s00138-010-0275-y.