Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

Avanços na patologia de Digitas

Por Shelley Farrar, CAM, BSc

A capacidade para digitar as imagens formadas das placas de vidro foi uma revelação enorme na patologia. Um grande número amostras de tecido em corrediças podem ser feitas a varredura e arquivado digital. As imagens de Digitas podem agora ser enviadas imediatamente aos lugar remotos que fazem diagnósticos e consultas preliminares para as segundas opiniões mais fáceis obter. Além disso, a patologia digital ajudou à pesquisa e à educação enquanto as imagens de corrediça do tecido do exemplo podem ser arquivadas e usado repetidamente. Deve-se notar que a patologia digital não é ainda difundida mas os avanços na patologia digital podem logo mudar aquele.

Crédito de imagem: anyaivanova/Shutterstock
Crédito de imagem: anyaivanova/Shutterstock

O advento da imagem lactente inteira da corrediça

A imagem lactente inteira da corrediça é a capacidade para fazer a varredura de placas de vidro a fim produzir imagens digitais e avançou a imagem lactente da corrediça além do uso de câmeras simples.  Exige um processo do pas-de-deux:

  1. Um varredor é usado primeiramente para digitar a placa de vidro, criando uma grande e corrediça digital representativa.
  2. O software especializado é exigido então para ver a imagem digital. O software é chamado frequentemente um visor de corrediça virtual.

Antes da imagem lactente inteira da corrediça, as câmeras microscópio-montadas podiam somente capturar áreas específicas da corrediça e conseqüentemente tinham limitado a aplicação clínica. Um microscópio virtual adiantado combinou um sistema informático robótico à microscopia e pôde fazer a varredura da placa de vidro para formar uma série de telhas da imagem de mosaico que poderiam ser compiladas para formar a imagem de corrediça completa. Esta aplicação foi limitada por um comprimento de tempo longo da varredura. A imagem lactente inteira moderna da corrediça foi formada pela utilização de sistemas automatizados, de alta velocidade da captação da imagem. As placas de vidro podem agora ser feitas a varredura em menos do que uma acta e umas imagens digitais de alta resolução do produto.

Além disso, a tecnologia imagiológica inteira da corrediça pode ser automatizada com processamento contínuo. Isto significa que uma corrediça pode ser transferida ficheiros pela rede enquanto outra está sendo feita a varredura. A rotulagem das corrediças é facilitada igualmente por mais que os varredores possam ler um e os códigos de barras bidimensionais que podem ser adicionados às placas de vidro. Alguns sistemas inteiros modernos da imagem lactente da corrediça podem digitar corrediças em vários planos focais verticais de modo que não haja nenhuma perda de precisão em comparação com o controle fino do foco de um microscópio padrão.

Digital Pathology in action - LabPON, The Netherlands

Imagem lactente e prognóstico inteiros da corrediça

Os avanços recentes na patologia digital foram usados para desenvolver imagem histologic testes de diagnóstico baseados para doenças tais como o cancro. Porque as diferenças na expressão molecular de uma doença podem ser observadas na arquitetura do tecido e das alterações à morfologia nuclear, a tecnologia imagiológica inteira da corrediça foi usada para desenvolver a classificação do tecido, a classificação da doença e testes de diagnóstico automáticos. Digitar a análise das corrediças pode utilizar as características do tecido que não são visualmente discerníveis por um patologista.  As imagens de Digitas de espécimes do tecido da biópsia podem ser minadas as características da imagem que podem ajudar na previsão do estado da doença e da sua agressividade. as características Computador-extraídas da imagem podiam conseqüentemente ajudar na escolha de tratamentos de escalada ou deescalating.

Enhancing pathology workflow with Integrated Digital Pathology | GE Healthcare

Aproximações novas à análise de imagem da corrediça de Digitas

Os avanços em técnicas digitais da patologia para determinar a modelagem da característica da imagem envolvem uma aproximação handcrafted da característica ou uma aproximação unsupervised da característica. A aproximação handcrafted da característica envolve escolher características da imagem, tais como a forma da glândula e o tamanho assim como a textura nucleares do tecido, categorizar imagens de um número de doenças. Para a aproximação unsupervised da característica um método deaprendizagem é exigido. Isto significa que o computador aprende os testes padrões da característica da imagem que podem ser usados para determinar características da imagem de corrediça. Exige uma grande quantidade de dados do treinamento e é menos intuitivo do que a aproximação handcrafted da característica. Os algoritmos complexos envolvidos igualmente exigem que há poucas variações na qualidade das imagens digitais produzidas.

A informação aumentada da profundidade está ajudando a este campo immerging através dos varredores inteiros novos da corrediça 3D. Adicionar uma dimensão mais adicional aos dados produzidos permitirá umas aproximações mais detalhadas e mais eficientes à análise de corrediças digitais.

Fontes

  1. Pantanowitz, L. 2010. Imagens de Digitas do ` e o futuro da patologia digital', jornal da patologia Infomatics, 1, e15. http://www.jpathinformatics.org/article.asp?issn=2153-539;year=2010;volume=1;issue=1;spage=15;epage=15;aulast=Pantanowitz
  2. Farahani, N. e outros 2015. Imagem lactente inteira da corrediça do ` na patologia: vantagens, limitações, e perspectivas emergentes', patologia e International da medicina do laboratório, 7, pp. 23-33. https://www.dovepress.com/whole-slide-imaging-in-pathology-advantages-limitations-and-emerging-p-peer-reviewed-fulltext-article-PLMI
  3. Madabhushi, A. 2016. Aprendizagem de análise e de máquina de imagem do ` na patologia digital: Desafios e oportunidades. ', Análise de imagem médica, 33, pp. 170-175. http://www.medicalimageanalysisjournal.com/article/S1361-8415(16)30114-1/fulltext
  4. Lewis, J.S. e outros 2014. O classificador histomorphometric quantitativo do ` A (QuHbIC) identifica agressivo contra a carcinoma de pilha squamous orofaríngea positiva preguiçoso de p16-', o jornal americano da patologia cirúrgica, 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.