Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Avances en pathologie de Digitals

Par Shelley Farrar, GCS, BSC

La capacité de numériser des images formées des lamelles de verre a été un développement énorme en pathologie. Un grand nombre de prélèvements de tissu sur des guides peuvent être balayés et archivés digitalement. Des images numériques peuvent maintenant être envoyées immédiatement aux sites distants effectuant des diagnostics et des consultations primaires pour les deuxièmes avis plus faciles à obtenir. D'ailleurs, la pathologie digitale a facilité enseignement et de recherche pendant que des images de guide de tissu d'exemple peuvent être archivées et employées à plusieurs reprises. Il convient noter que la pathologie digitale n'est pas encore répandue mais les avances en pathologie digitale peuvent bientôt changer cela.

Crédit d
Crédit d'image : anyaivanova/Shutterstock

L'avènement de la représentation entière de guide

La représentation entière de guide est la capacité de balayer des lamelles de verre afin de produire des images numériques et a avancé la représentation de guide au delà de l'utilisation des appareils-photo simples.  Elle exige un procédé en deux étapes :

  1. Un balayeur est d'abord utilisé pour numériser la lamelle de verre, produisant un grand et représentatif guide digital.
  2. Le logiciel spécialisé est alors exigé pour voir l'image numérique. Le logiciel est souvent appelé un spectateur de guide virtuel.

Avant la représentation entière de guide, les appareils-photo microscope-montés ont pu seulement capter des endroits spécifiques du guide et pour cette raison avaient limité l'application clinique. Un microscope virtuel tôt a combiné un système informatique robotisé à la microscopie et pouvait balayer la lamelle de verre pour former une suite de tuiles d'image de mosaïque qui pourraient être compilées pour former la pleine image de guide. Cette application a été limitée par une longueur de temps prolongée d'échographie. La représentation entière moderne de guide a été constituée par l'utilisation des systèmes robotisés et à grande vitesse de capture d'images. Des lamelles de verre peuvent maintenant être balayées en moins d'une minute et des images numériques de haute résolution de produit.

En outre, la technologie de l'image entière de guide peut être automatisée avec le traitement en continu. Ceci signifie qu'un guide peut être téléchargé tandis qu'un un autre est balayé. Le marquage des guides est également facilité tout que les balayeurs peuvent indiquer un et codes barre bidimensionnels qui peuvent être ajoutés aux lamelles de verre. Quelques systèmes entiers modernes de représentation de guide peuvent numériser des guides aux plans focaux verticaux variés de sorte qu'il n'y ait aucune perte de précision par rapport au contrôle fin d'orientation d'un microscope normal.

Digital Pathology in action - LabPON, The Netherlands

Représentation et pronostics entiers de guide

Des progrès récents en pathologie digitale ont été employés pour développer les tests diagnostique basés par image histologique pour les maladies telles que le cancer. Puisqu'on peut observer des différences dans l'expression moléculaire d'une maladie dans l'architecture du tissu et de l'altération à la morphologie nucléaire, la technologie de l'image entière de guide a été employée pour développer la catégorie de tissu, le classement de la maladie et les tests diagnostique automatiques. Numériser l'analyse des guides peut utiliser les caractéristiques du tissu qui ne sont pas visuellement perceptibles par un pathologiste.  Des images numériques des spécimens de tissu de biopsie peuvent être extraites les caractéristiques d'image qui peuvent aider dans la prévision de l'état de la maladie et de son agressivité. les caractéristiques Ordinateur-extraites d'image ont pu pour cette raison faciliter le choix des demandes de règlement de escalade ou deescalating.

Enhancing pathology workflow with Integrated Digital Pathology | GE Healthcare

Approches neuves à l'analyse d'image de guide de Digitals

Les avances dans des techniques digitales de pathologie pour mesurer la modélisation de caractéristique d'image comportent une approche faite maine de caractéristique ou une approche non guidée de caractéristique. L'approche faite maine de caractéristique concerne choisir des caractéristiques d'image, telles que la taille et forme de presse-étoupe ainsi que la texture nucléaires de tissu, pour classer des images par catégorie d'un certain nombre de maladies. Pour l'approche non guidée de caractéristique une méthode profond-apprenante est exigée. Ceci signifie que l'ordinateur apprend les configurations de caractéristique d'image qui peuvent être employées pour mesurer des caractéristiques de l'image de guide. Il exige un grand nombre de caractéristiques de formation et est moins intuitif que l'approche faite maine de caractéristique. Les algorithmes complexes impliqués exigent également qu'il y a peu de variations de la qualité des images numériques produites.

L'information accrue de profondeur facilite cet inducteur immerging par les balayeurs entiers neufs du guide 3D. Ajouter une autre cote aux caractéristiques produites activera des approches plus détaillées et plus efficaces à l'analyse des guides digitaux.

Sources

  1. Pantanowitz, L. 2010. Images numériques de ` et le contrat à terme de la pathologie digitale', tourillon de pathologie Infomatics, 1, e15. www.jpathinformatics.org/article.asp
  2. Farahani, N. et autres 2015. Représentation entière de guide de ` en pathologie : avantages, limitations, et International apparaissant de points de vue', de pathologie et de médicament de laboratoire, 7, Pp. 23-33. www.dovepress.com/whole-slide-imaging-in-pathology-advantages-limitations-and-emerging-p-peer-reviewed-fulltext-article-PLMI
  3. Madabhushi, A. 2016. Analyse d'image et apprentissage automatique de ` en pathologie digitale : Défis et opportunités. ', Analyse d'image médicale, 33, Pp. 170-175. www.medicalimageanalysisjournal.com/.../fulltext
  4. Lewis, J.S. et autres 2014. Le classificateur quantitatif de histomorphométrique du ` A (QuHbIC) recense agressif contre le cancer épidermoïde oro-pharyngé positif nonchalent de p16-', le tourillon américain de la pathologie chirurgicale, 38, Pp. 128-137. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3865861/

Further Reading

Last Updated: May 23, 2019

Comments

The opinions expressed here are the views of the writer and do not necessarily reflect the views and opinions of News Medical.