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.

Melhorando a qualidade da imagem lactente digital da patologia

Há um problema de tecnologia obsoleta que incomoda o mundo da alto-tecnologia da imagem lactente digital da patologia.

A edição: Mesmo como a patologia digital faz avanços rápidos mundiais--com mais médicos que analisam imagens do tecido em computadores “espertos” para diagnosticar pacientes--não há nenhum padrão seguro para a preparação e a numeração do tecido desliza-se.

Isso significa que as corrediças de má qualidade obtêm misturadas dentro com corrediças claras e exactas, potencial desconcertante ou enganando em um programa informático que tenta aprender o que uma pilha cancerígeno olha como, por exemplo.

Os pesquisadores da universidade ocidental da reserva do caso estão tentando mudar aquele.

O pesquisador Anant Madabhushi e Andrew Janowczyk da tecnologia biológica, um research fellow superior no centro de Madabhushi para a imagem lactente computacional e diagnósticos pessoais, desenvolveu um programa que dissessem assegurassem a qualidade das imagens digitais que estão sendo usadas para finalidades do diagnóstico e da pesquisa.

Os dois revelaram sua ferramenta nova do qualidade-controle na edição a mais recente do jornal da informática clínica da oncologia clínica e estão sendo apoiados por um de três anos, concessão $1,2 milhões do instituto nacional para o cancro.

A nova ferramenta incorpora uma série de medidas e de classificadores para ajudar usuários a embandeirar imagens corrompidas e a ajudá-las a reter aqueles que ajudarão a técnicos e a médicos em seus diagnósticos.

“A ideia é simples: avalie as imagens digitais e determine que corrediças são dignas para a análise por um computador e quais não são,” disse Madabhushi, professor de F. Alex Nason II da engenharia biomedicável na escola do caso da engenharia. “Isto é importante agora porque a patologia digital está descolando no mundo inteiro e está colocando o fundamento para mais uso de AI (a inteligência artificial) para imagens de interrogação do tecido.”

A aplicação é “open source”-- ou livre para que qualquer um use-se, alterem-se e estendam-se. Pode ser alcançada através de um repositório em linha. Foi desenvolvida por Janowczyk aproximadamente 18 meses há após ter descoberto o que acreditou para ser um número surpreendente de corrediças de má qualidade do atlas conhecido do genoma do cancro, HOME a mais de 30.000 corrediças do tecido de amostras do cancro.

Janowczyk disse que aproximadamente 10 por cento das 800 corrediças que da amostra do cancro reviu tiveram os problemas, variando de uma rachadura na corrediça ou de uma bolha de ar entre as camadas da corrediça.

Da “vibração faca” entre muitas imperfeições da corrediça

Para apreciar o valor--e risco--na confiança no altamente técnico, Smart-computador, diagnóstico do cancro da imagem digital, é útil compreender as etapas fundamentais na obtenção lá.

Quando estas aproximações da alto-tecnologia puderem processar milhares de por segundo das imagens, estão confiando em imagens digitais do mesmo tipo das corrediças do tecido que os patologistas têm feito para gerações. E aquelas corrediças, quando vistas através de um microscópio, têm mais imperfeições do que você pôde pensar.

Para criar uma corrediça, o patologista primeiro colhe um bloco de tecido de uma dissecção do órgão, coloca uma fatia pequena do tecido em uma parte de vidro que compo uma corrediça. O tecido é manchado então para revelar seus testes padrões celulares. Uma segunda parte menor de vidro é colocada então sobre a amostra de tecido para protegê-la.

A qualidade pode ser comprometida na preparação da corrediça pelas bolhas de ar, pelas manchas e pelos cortes ásperos (chamados da “vibração faca”) no tecido ou mesmo durante o processo da numeração que pode introduzir edições do blurriness e do brilho.

“Um microscópio não pode centrar-se sobre as áreas que distorceram a qualidade,” disse Janowczyk, que é igualmente um bioinformatician no instituto suíço da bioinformática. (A bioinformática é a ciência da coleta e os dados biológicos complexos de análise tais como códigos genéticos ou, neste caso, imagens digitadas do tecido deslizam.) “E tomaram-me dias para atravessar todas aquelas corrediças identificar e remover manualmente ruins. Era então que eu nos realizei necessários uma maneira mais rápida, automatizada de certificar-se que nós tivemos somente as boas imagens de corrediça do tecido.”

O resultado, Madabhushi disse, movimentos para uma “democratização verdadeira da tecnologia imagiológica” para melhores diagnósticos do cancro e das outras doenças.

Sócios no projecto novo--“Histo-QC chamado,” para a “histologia,” o estudo da estrutura microscópica dos tecidos, e da “o controle qualidade”--inclua os pesquisadores dos hospitais da universidade, a Faculdade de Medicina de Perelman na Universidade da Pensilvânia e o Louis aviva o centro médico de Cleveland VA.

Madabhushi estabeleceu o CCIPD na reserva ocidental do caso em 2012. O laboratório, que inclui agora aproximadamente 50 pesquisadores, assentou bem em um líder global na detecção, diagnóstico e caracterização de vários cancros e outras doenças engrenando a imagem lactente médica, aprendizagem de máquina e inteligência artificial.

Algum de seu trabalho mais recente, em colaboração com outro da universidade e da Universidade de Yale de New York, tem usado o AI para prever que pacientes que sofre de cancro do pulmão tirariam proveito da quimioterapia adjuvante baseada fora das imagens de corrediça do tecido. Esse avanço foi nomeado pelo compartimento da prevenção como uma das 10 descobertas médicas superiores de 2018.