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.

Miglioramento della qualità di rappresentazione digitale di patologia

C'è un problema di bassa tecnologia che disturba il mondo alta tecnologia della rappresentazione digitale di patologia.

L'emissione: Proprio mentre digitale la patologia rende gli avanzamenti rapidi mondiali--con più medici che analizzano le immagini del tessuto sui computer “astuti„ per diagnosticare i pazienti--non ci sono standard affidabili per il preparato e la digitalizzazione del tessuto si fa scorrere.

Quello significa che le diapositive di qualità scadente ottengono miste dentro con le chiare e diapositive accurate, potenzialmente confusionario o fuorviando un programma informatico che prova ad imparare a che cosa una cella cancerogena assomiglia, per esempio.

I ricercatori dalla Case Western Reserve University stanno provando a cambiare quello.

Il ricercatore Anant Madabhushi ed Andrew Janowczyk, un ricercatore senior della bioingegneria nel centro di Madabhushi per la rappresentazione di calcolo ed i sistemi diagnostici personali, ha sviluppato un programma che dicono assicureranno la qualità delle immagini digitali che sono usando per gli scopi della ricerca e di sistema diagnostico.

I due hanno rivelato il loro nuovo strumento di controllo di qualità nell'edizione più recente del giornale dell'informatica clinica dell'oncologia clinica e stanno supportandi da un triennale, la concessione $1,2 milioni dall'istituto nazionale contro il cancro.

Il nuovo strumento comprende una serie di misure e di classificatori per guidare gli utilizzatori inbandierare le immagini corrotte e contribuire a conservare quelli che aiuteranno i tecnici ed i medici nelle loro diagnosi.

“L'idea è semplice: valuti le immagini digitali e determini quali diapositive sono degne per l'analisi da un computer e quale non sono,„ ha detto Madabhushi, il professor di F. Alex Nason II di assistenza tecnica biomedica al banco di caso di assistenza tecnica. “Questo è importante ora poichè la patologia digitale sta decollando universalmente e sta stendendo il fondamento per più uso di AI (intelligenza artificiale) per le immagini di consultazione del tessuto.„

L'applicazione è “open source„-- o liberi affinchè chiunque usino, per modificare ed estendere. Può essere raggiunta tramite una repository online. È stata sviluppata da Janowczyk circa 18 mesi fa dopo la scoperta della che cosa ha creduto per essere un numero sorprendente delle diapositive di cattiva qualità dall'atlante ben noto del genoma del Cancro, casa a più di 30.000 diapositive del tessuto dei campioni del cancro.

Janowczyk ha detto che circa 10 per cento delle 800 diapositive del campione del cancro ha esaminato hanno avuti problemi, varianti da una crepa nella diapositiva o da una bolla di aria fra i livelli della diapositiva.

“Schiamazzo del coltello„ fra molte imperfezioni della diapositiva

per apprezzare il valore--e rischio--nel contare altamente sul tecnico, Smart-computer, la diagnosi del cancro della digitale-rappresentazione, è utile capire i punti basilari nel arrivare.

Mentre questi approcci alta tecnologia possono elaborare migliaia di immagini al secondo, stanno contando sulle immagini digitali dello stesso genere di diapositive del tessuto che i patologi stanno facendo per le generazioni. E quelle diapositive, una volta osservate tramite un microscopio, hanno più imperfezioni che potreste pensare.

Per creare una diapositiva, il patologo primo raccoglie un blocco di tessuto da una dissezione dell'organo, colloca una piccola fetta del tessuto su un pezzo di vetro che comporrà una diapositiva. Il tessuto poi è macchiato per rivelare i sui reticoli cellulari. Un secondo più piccolo pezzo di vetro poi è collocato sopra il campione di tessuto per proteggerlo.

La qualità può essere compromessa nel preparato della diapositiva dalle bolle di aria, dalle sbavature e dai tagli stracciati (chiamati “schiamazzo del coltello„) nel tessuto o persino durante il trattamento della digitalizzazione che può introdurre le emissioni di luminosità e di blurriness.

“Un microscopio non può mettere a fuoco sulle aree che hanno distorto la qualità,„ ha detto Janowczyk, che è egualmente un bioinformatician all'istituto svizzero di bioinformatica. (Bioinformatica è la scienza di raccolta e di analizzare dei dati biologici complessi quali i codici genetici o, in questo caso, le immagini digitalizzate delle diapositive del tessuto.) “E mi ha richiesto i giorni per passare con tutte quelle diapositive identificare ed eliminare manualmente quei cattivi. Era poi che ho realizzato abbiamo avuto bisogno di un modo più veloce e automatizzato assicurarci che avessimo soltanto le buone immagini diapositive del tessuto.„

Il risultato, Madabhushi ha detto, movimenti verso “una democratizzazione vera di tecnologia dell'immagine„ per le migliori diagnosi di cancro e di altre malattie.

Partner sul nuovo progetto--“Histo-CONTROLLO DI QUALITÀ chiamato,„ per “istologia,„ lo studio sulla struttura microscopica dei tessuti e “il controllo di qualità„--includa i ricercatori dagli ospedali universitari, la scuola di medicina di Perelman all'università della Pennsylvania ed il Louis rifornisce il centro medico di Cleveland VA.

Madabhushi ha stabilito il CCIPD alla riserva occidentale di caso nel 2012. Il laboratorio, che ora include circa 50 ricercatori, ha stato bene ad una guida globale nella rilevazione, nella diagnosi e nella caratterizzazione di vari cancri e di altre malattie ingranando l'imaging biomedico, l'apprendimento automatico e l'intelligenza artificiale.

Alcuno del suo lavoro recente, in collaborazione con altri dalla New York University e dall'Yale University, sta usando il AI per predire quali malati di cancro del polmone trarrebbero giovamento dalla chemioterapia ausiliaria basata fuori dalle immagini diapositive del tessuto. Quell'avanzamento è stato nominato dal caricatore di prevenzione come una delle 10 innovazioni mediche principali di 2018.