- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
组织图像分割工作流程的多目标参数自动调优
摘要： 我们提出一个软件平台，该平台集成了组织图像分割工作流中多目标参数自动调优的方法与工具。本研究旨在通过调节输入参数来提升细胞核/细胞分割流程的准确性——组织中细胞核的形态、尺寸和纹理特征是疾病预后的重要生物标志物，而这些特征的精确计算依赖于细胞核边界的准确勾画。许多细胞核分割流程中的输入参数会影响分割精度，必须进行调优才能获得最佳性能。这一过程既耗时又需要大量计算资源；实现自动化有助于构建更稳健的图像分割流程，并能更高效地在大规模图像数据集中应用图像分析技术。 本软件平台通过调整细胞核分割算法参数，在最大限度缩短执行时间的同时优化图像分割结果质量。平台采用多种优化方法高效搜索参数空间，并开发了可在高性能计算系统上运行的方法学以缩短参数调优阶段的执行时间。这些功能封装于Docker容器中便于部署，用户可通过3D Slicer的友好界面扩展进行操作。 基于三个真实图像分割工作流的测试结果表明：本方案能够（1）在包含数十亿至数万亿参数点的空间中，仅搜索极小部分（约100个点）即可平均将分割输出质量提升1.20倍、1.29倍和1.29倍；（2）在提升输出质量的同时将分割工作流执行时间最高缩短11.79倍；（3）有效利用并行系统加速参数调优与分割阶段。
关键词： 参数自动调节、癌症、细胞形态学、计算机辅助图像分析、数字病理学
更新于2025-09-23 15:21:01
-
数字病理学中的图像分析：结合Ki67染色质量的自动评估与Ki67细胞增殖指数的计算
摘要： 由Gerdes等人在1983年首次描述的人类Ki-67抗原，如今已被公认为细胞增殖的标志物，并被证实是多种癌症类型的强预后指标。该标志物尤其常用于早期乳腺癌的评估。遗憾的是，目前尚无标准的Ki67染色方案，导致不同实验室间染色结果存在差异。这种差异可能在评估Ki67指数时引发误判。因此，建立某种形式的染色方案质量控制至关重要，以确?；颊叩玫秸返恼锒虾椭瘟?。在本期《细胞计量学》中，Laang及其同事提出了一种通过细胞系细胞核图像分析来确定染色质量的方法。这种基于图像分析的评估与一个名为NordiQC的组织提供的、基于专家小组的主观染色质量评估系统相关联。文章呈现的分析结果表明，通过已知Ki67指数的细胞系细胞图像分析可自动估算染色质量，且与人类专家对染色质量的评估具有良好相关性。研究结论指出："估算的染色质量能为病理学家提供更好的机会来解读组织样本，并有助于减少在Ki67染色组织样本分析和诊断中的观察者内及观察者间变异。"
关键词： 图像分析、细胞增殖、数字病理学、Ki67、染色质量
更新于2025-09-10 09:29:36
-
医学生众包组织学图像标注与目标勾画
摘要： 病理学领域的众包工作此前主要针对非专业人士可处理的任务。目前对数字显微图像中更复杂元素（如解剖结构）的标注需求仍然很高。因此，本研究探讨了实现高水平图像对象众包标注的条件——这类复杂任务通常被认为需要专业知识。76名无特定领域知识的医学生自愿参与了三项实验，完成了两项组织病理学图像相关标注任务：(1) 标记显示组织区域的图像；(2) 勾画形态学定义的图像对象。我们重点研究了确保标注质量的方法，包括多次测试所需参与者数量及参与者在不同任务间表现的关联性。在模拟有限金标准图像标注的设置中，我们验证了使用完整金标准计算置信分数的可行性：通过基于贡献者个体评估的加权因子，与病理学家标注的分散金标准进行多数表决比对。结论为数字病理学时代获取精准标注的众包方案提供了任务设计与质量控制指南。
关键词： 注释、图像分类、置信度分数、图像勾画、人类决策、众包、数字病理学、多数投票
更新于2025-09-09 09:28:46
-
多模态非线性显微镜图像中用于头颈部癌自动检测的全卷积网络：一项初步研究
摘要： 背景：基于全卷积神经网络（FCN）的自动化图像分析算法被开发用于根据非线性显微图像区分头颈癌与非癌性上皮组织。 方法：使用头颈癌切片进行标准组织病理学检查，并通过相干反斯托克斯拉曼散射、双光子激发荧光和二次谐波显微成像技术的组合，将这些切片与同一区域的多模态图像进行配准。采用FCN对四类目标（癌症、正常上皮、背景及其他组织类型）进行语义分割分析。 结果：共分析了12名患者的114张图像。通过图像块评分聚合，四类目标的平均识别率和总体识别率分别为88.9%和86.7%。处理数据集中整张切片图像平均耗时113秒。 结论：多模态非线性显微技术与基于FCN的自动化图像分析相结合，有望成为客观区分头颈癌与非癌性上皮组织的有效技术。
关键词： 数字病理学、语义分割、诊断学、二次谐波成像、卷积神经网络、双光子激发荧光、光谱组织病理学、图像分析、头颈癌、相干反斯托克斯拉曼散射
更新于2025-09-04 15:30:14