Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Il software tool del SIVQ di U-M. può segnare più esattamente la cella ed i campioni con esattezza di tessuto

Ulysses Balis, M.D., clicca un mouse per identificare un elicottero in una foto satellite di Bagdad, Irak. Con un altro clic, un algoritmo che lui ed il suo gruppo hanno progettato seleziona tre nuovi selettori rotanti senza evidenziare c'è ne dei beni immobili, delle vie, degli alberi o delle automobili.

Balis non sta giocando i giochi di guerra. Il Direttore della Divisione dell'Informatica di Patologia alla Facoltà di Medicina dell'Università del Michigan sta dimostrando la flessibilità estrema di un software tool puntato su facendo la rilevazione delle anomalie nella cella e nei campioni di tessuto più veloci, più accurati e più coerenti.

In un'impostazione medica, invece degli elicotteri, la tecnica, conosciuta come la Quantizzazione di Vettore Spaziale-Invariante (SIVQ), può segnare le cellule tumorali ed altre funzionalità con esattezza critiche dalle immagini digitali fatte dalle diapositive del tessuto.

Ma SIVQ non è limitato a qualsiasi area particolare di medicina. Può separare prontamente le calcificazioni dalle malignità nei campioni di tessuto del petto, cercare e contare la cella particolare digita dentro una diapositiva del midollo osseo, o rapidamente identificano i nucleoli rosso ciliegia delle celle connesse con la malattia di Hodgkin, secondo i risultati pubblicati appena nel Giornale dell'Informatica di Patologia.

“Il fatto che l'algoritmo funziona che non richiede sforzo attraverso i domini e disgaggi di lunghezze, mentre richiedendo formazione degli utenti minima, la fissa oltre agli approcci convenzionali ad analisi sulla base di immagini,„ Balis dice.

La tecnologia - sviluppata insieme con i ricercatori al Policlinico di Massachusetts ed alla Facoltà di Medicina di Harvard - differisce dal software convenzionale di riconoscimento di forme basando la sua ricerca di memoria su una serie di anelli concentrici e d'accoppiamenti, piuttosto che i blocchi rettangolari o quadrati più tipici. Questo approccio approfitta della simmetria continua degli anelli, tenendo conto il riconoscimento delle funzionalità non importa come sono girati o se sono invertiti, come dentro uno specchio.

“Che è buono perché in patologia, le immagini delle celle ed il tessuto non hanno un orientamento particolare,„ Balis dice. “Possono affrontare tutta la direzione.„ Una delle immagini incluse con il documento dimostra questo principio; SIVQ identifica coerente la lettera A da un campo di testo, non importa come le lettere sono girate.

Come funziona

In SIVQ, una ricerca comincia con l'utente che seleziona una piccola zona dei pixel, conosciuta come un vettore, che vuole provare per abbinare altrove nell'immagine. Il vettore può anche venire da una libreria memorizzata delle immagini.

L'algoritmo poi confronta questo vettore circolare ad ogni parte dell'immagine. E ad ogni posizione, l'anello gira con milioni di possibilità nel tentativo di trovare una corrispondenza in ogni grado possibile di rotazione. I Più Piccoli anelli all'interno dell'anello principale possono fornire una ancor più ricerca raffinata.

Il programma poi crea una mappa del calore, proteggente l'immagine basata sulla qualità della corrispondenza ad ogni punto.

Questa tecnica non funzionerebbe con un quadrato o la struttura di forma rettangolare perché quelle forme non rimangono simmetriche mentre girano, Balis di ricerca spiega.

Perché ognuno sta usando i cerchi tutti avanti?

“È una di quelle cose che è soltanto ovvia retrospettivamente,„ Balis dice.

Nel verificare l'algoritmo, i ricercatori anche lo hanno usato per trovare Waldo in un'illustrazione dall'Dove è Waldo? libro per bambini.

“Dovete generare appena un vettore per la sua fronte di taglio,„ spiegate Jason Hipp, M.D., il Ph.D., autore del co-cavo del documento - appena poichè uno avrebbe generato un vettore per riconoscere le calcificazioni nel tessuto del petto.

“Un commutatore del gioco„

Hipp crede che la tecnologia abbia il potenziale di essere “un commutatore del gioco„ per il campo aprendo le nuove possibilità innumerevoli per analisi sulla base di immagini più profonda.

“Sta andando permettere che noi pensiamo diversamente alle cose,„ dice Hipp, un ricercatore dell'informatica di patologia ed il conferenziere clinico nel Dipartimento di Patologia. “Stiamo cominciando colmare la lacuna fra l'analisi qualitativa effettuata dai patologi esperti formati con gli approcci quantitativi permessi tramite gli sviluppi della tecnologia dell'immagine.„

Per esempio, il modo più comune esaminare i campioni di tessuto è ancora una tecnica della coloritura quella date di nuovo a the1800s. La Lettura delle queste diapositive del complesso e rendere una diagnosi fa parte dell'arte di patologia.

SIVQ, tuttavia, può assistere i patologi da prevagliatura un'immagine ed identificare le aree potenzialmente problematiche, compreso le funzionalità sottili che non possono essere prontamente evidenti all'occhio.

Il risparmio di temi di SIVQ nei problemi potenziali d'identificazione diventa evidente quando si considera che un patologo possa esaminare più di 100 diapositive in un giorno solo.

“A Differenza neppure degli esseri umani più diligenti, computer non soffra dagli effetti della noia o fatica,„ Balis dice.

Lavoro insieme

I Vettori possono anche essere riuniti per creare le librerie comuni - un catalogo delle immagini di riferimento sopra cui il computer può cercare - Balis spiega, in grado di aiutare i patologi ad identificare rapidamente le anomalie rare.

“Introdurre tali strumenti nel flusso di lavoro clinico potrebbe fornire un di più alto livello di competenza che si distribuisce ampiamente e più basso la tariffa a cui i risultati ottengono trascurati,„ Balis dice.

A Seguito della pubblicazione di questo primo di carta presentando l'algoritmo di SIVQ, il gruppo ha una serie di progetti di ricerca avvicinarsi al completamento che dimostrano l'utilità potenziale della tecnologia per una serie di scienza di base ed applicazioni cliniche. Questi sforzi comprendono le collaborazioni con i ricercatori agli Istituti della Sanità Nazionali, la Clinica di Mayo, la Rutgers University, Facoltà di Medicina di Harvard e Policlinico di Massachusetts.

SIVQ può anche aiutare con l'analisi “delle biopsie liquide,„ una tecnica sperimentale di campioni di sangue di scansione per i numeri minuscoli delle cellule tumorali che si nascondono in mezzo di miliardi di quei sani. Balis è stato compreso con lo sviluppo di quella tecnologia al Policlinico di Massachusetts prima che venisse al U-M ed i membri di quel gruppo di ricerca egualmente fossero coinvolgere nello sviluppare SIVQ e le sue applicazioni.

Eppure, i patologi non dovrebbero essere preoccupati che SIVQ li metterà disoccupati.

“Nessuno sta parlando di sostituendo i patologi in qualunque momento presto,„ Balis dice. “Ma lavorare con questa tecnologia, la speranza è che potranno raggiungere un livello elevato globale della prestazione.„

Sorgente: Facoltà di Medicina dell'Università del Michigan