معلومة

الكشف عن السرطان في مرحلة فرط التنسج باستخدام معالجة الصور و SEM

الكشف عن السرطان في مرحلة فرط التنسج باستخدام معالجة الصور و SEM


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

كنت أتساءل عما إذا كان من الممكن أو حاول شخص ما من قبل استخدام SEM أو بعض التحليل الطيفي الآخر لاكتشاف تطور السرطان في مرحلة تضخمه:

يبدو أنها طريقة جيدة للقيام بذلك؟ أعتقد أن هذه هي الطريقة التي تعمل بها الخزعة ، ولكن ربما توجد طريقة لاختبار الأشخاص في المجموعات المعرضة للخطر باستخدام هذه الطريقة.


ليس بالضبط التحليل الطيفي ، ولكن الفحص المجهري هو أمر شائع للكشف عن الأنسجة السابقة للسرطان كجزء من اختبار Pap القياسي الذي يُعطى للنساء على فترات منتظمة طوال حياتهن:

https://en.wikipedia.org/wiki/Pap_test

يتم ذلك عادةً من قبل فريق من علماء الخلايا (مع تأكيد علماء الأمراض النتائج ، لا سيما في الحالات غير الطبيعية) ، ولكن بدأ في إجراء فحص آلي (بإشراف بشري).

واحدة من المشاكل مع أي شكل من أشكال الفحص هو أن الأنسجة التي يحتمل أن تكون مشكلة يجب مراقبتها ، والتي عادة ما تكون عملية جراحية. عادة ما يتم قطع الورم الميلانيني المحتمل قبل التحليل ، وأتوقع أن أي إجراء يتضمن مسح المجهر الإلكتروني سيتطلب أيضًا إزالة الأنسجة قبل التحليل.

إن التطور الأكثر إثارة للاهتمام في مجال فحص السرطان هو البحث عن الحمض النووي الجيني الخالي من الخلايا في الدم. يتم تحمل اختبارات الدم بشكل أفضل لأغراض الفحص مقارنة بإزالة الأنسجة الأخرى. من خلال تسلسل القراءة القصيرة عالي الإنتاجية ، من الممكن لبعض السرطانات أن ترى تغيرات الحمض النووي قبل أن يتم اكتشاف آثارها من خلال الأساليب النسيجية.

فيما يلي ورقة مراجعة حول فحص cfDNA ، وهي سلبية بشكل عام حول الأمر برمته:

http://journals.plos.org/plosmedicine/article؟id=10.1371/journal.pmed.1002205

والتي تكون إيجابية بشكل عام:

http://cancerres.aacrjournals.org/content/76/14_Supplement/LB-136.short


تحليل الصور القائم على التعلم الآلي لتسريع تشخيص آفات الأقنية المعقدة قبل الورم والأورام في أنسجة خزعة الثدي

يصعب تشخيص آفات ما قبل الورم والأورام بسبب تشابهها في عينات خزعة الثدي. لتشخيص هذه الآفات ، يقوم أخصائيو علم الأمراض بإجراء تحليل كيميائي مناعي واستشارة أخصائيي أمراض الثدي الخبراء. هذه الفحوصات الإضافية تستغرق وقتًا طويلاً ومكلفة. تحسن تحليل الصور المستند إلى الذكاء الاصطناعي (AI) مؤخرًا ، وقد يساعد في التشخيص المرضي الترتيبي. هنا ، أظهرنا أهمية تحليل الصور القائم على التعلم الآلي لآفات الثدي قبل الورم والأورام لتسهيل التشخيص عالي الإنتاجية.

أساليب

تم الحصول على الصور من الغدد الثديية الطبيعية ، وآفات مفرطة التنسج ، وآفات ما قبل الورم والآفات الورمية ، مثل تضخم الأقنية المعتاد (UDH) ، وآفة الخلايا العمودية (CCL) ، وسرطان الأقنية الموضعي (DCIS) ، و DCIS مع نخر كوميدو (DCIS). في عينات خزعة الثدي. تم استخدام نظام الشبكة العصبية المعزز الأصلي المحسن (CNN) لتحليل الصور المرضية.

نتائج

قدم تحليل الصور المستند إلى AI المنطقة التالية تحت قيم المنحنى (AUC): الآفة الطبيعية مقابل DCIS ، 0.9902 مقابل DCIS كوميدو ، 0.9942 الآفة العادية مقابل CCL ، 0.9786 و UDH مقابل DCIS ، 1.000. أظهر تحليل المقارنة المتعددة دقة واسترجاع درجات مماثلة لتلك الخاصة بتحليل المقارنة الفردي. استنادًا إلى تعيين تنشيط فئة التدرج المرجح (Grad-CAM) المستخدم لتصور المناطق المهمة التي تعكس نتيجة تحليل CNN ، كانت نسبة الأنسجة اللحمية في المنطقة المرجحة بالكامل أعلى بكثير في UDH و CCL من تلك الموجودة في DCIS.

الاستنتاجات

قد توفر هذه التحليلات تشخيصًا مرضيًا أكثر دقة وسرعة للمرضى. علاوة على ذلك ، يحدد Grad-CAM الخصائص النسيجية المهمة المجهولة للنتائج المرضية الأحدث وأهداف البحث لفهم الأمراض.


المواد والأساليب

تم الحصول على العقد الليمفاوية أثناء الجراحة التي أجريت للمرضى في مركز أبحاث أمراض الدم التابع للأكاديمية الروسية للعلوم الطبية (موسكو ، روسيا) بين عامي 2000 و 2002. تم إجراء التشخيص وفقًا لمعايير منظمة الصحة العالمية. تم اختيار الأورام التالية للدراسة الحالية: تضخم اللمفاوي التفاعلي (الحالات 1-9) ، LCL الأولي (DLBCL ، الحالات 10-22 سرطان الغدد الليمفاوية هودجكين [HL] ، الحالة 35 سرطان الغدد الليمفاوية الكبيرة الكشمي [ALCL] ، الحالة 36 و BL ، الحالة 37) ، B-CLL (الحالات 23-29) ، وتحويل الخلايا الكبيرة لـ B-CLL (الحالات 30-34).

المس إعداد بصمة

كان الوقت من الجراحة للمس تحضير البصمة 15-30 دقيقة. تم تجفيف بصمات اللمس بالهواء ، وتثبيتها بالميثانول لمدة 15 دقيقة في درجة حرارة الغرفة ، ومعالجتها بصبغة Giemsa (Merck ، Whitehouse Station ، NJ) ، وتم تركيبها تحت غطاء باستخدام DePeX (Serva ، Heidelberg ، ألمانيا). تم تصوير المستحضرات الناتجة باستخدام كاميرا DC290 (كثافة أخذ العينات ، 22.2 بكسل لكل ميكرومتر Kodak ، Rochester ، NY) بالتزامن مع مجهر Leica DMRBE مع هدف PLN Fluotar 100 / 1.3 (Leica ، Solms ، ألمانيا). تم تسجيل الصور بتنسيق ملف الصور الموسوم (TIFF).

المناعي غير المباشر

لتحديد الخلايا التكاثرية ، تم عمل بصمات اللمس على شرائح متعددة ، والتي تم تجفيفها بالهواء لاحقًا وتخزينها عند درجة حرارة -20 درجة مئوية. في حالات مختارة ، تم نفاذ البصمات باستخدام الأسيتون عند درجة حرارة -20 درجة مئوية لمدة 15 دقيقة وغسلها بمحلول ملحي مخزّن بالفوسفات (PBS) ، ودرجة الحموضة 7.3 وحضنت مسبقًا مع 3 ٪ من ألبومين مصل الأبقار لمدة 30 دقيقة. تم الكشف عن تعبير pKi-67 عن طريق العلاج بتخفيف 1:50 من الجسم المضاد أحادي النسيلة Ki-S5 (داكو ، جلوستروب ، الدنمارك) لمدة 45 دقيقة في درجة حرارة الغرفة. بعد الغسل باستخدام برنامج تلفزيوني ، تم تحضين البصمات مع تخفيف بنسبة 1:40 من فلورسين أيزوثيوسيانات - مضاد للفأر مترافق F (ab)2 شظايا (داكو) ، وغسلها مرة أخرى ببرنامج تلفزيوني ، ومضمنة في وسط مويول (كالبيوشيم ، سان دييغو ، كاليفورنيا). بالنسبة لعينات التحكم السلبية ، تم استخدام برنامج تلفزيوني بدلاً من الجسم المضاد الأولي. تم التقاط الصور (تباين الطور والفلورة) باستخدام كاميرا Kodak DC290 (كثافة أخذ العينات ، 8.9 بكسل لكل ميكرومتر) بالتزامن مع مجهر Leica DMRBE (هدف PLN Fluotar 40 / 0.75). تم حفظ الملفات بتنسيق Joint Photographic Expert Group (JPEG).

قياس الشكل

لتحليل بصمات اللمسة الملطخة بـ Giemsa ، تم تقليل دقة الصورة بمعامل اثنين ، وتم تحسين التباين باستخدام مرشح "Unsharp Mask" المضمن في Adobe Photoshop الإصدار 5.0 LE (Adobe Systems ، سان خوسيه ، كاليفورنيا). لم يتم تقليل دقة صور تباين الطور. تم عرض الصور على شاشة مقاس 22 بوصة (دقة 1600 بكسل × 1200 بكسل) عند تكبير 300٪ ، وتم تحديد الخطوط العريضة لجميع الخلايا غير التالفة ذات السيتوبلازم المرئي بوضوح باستخدام أداة "Pencil" في Adobe Photoshop. كان اختيار الخلايا غير التالفة على صور تباين الطور أمرًا صعبًا ، لأن السيتوبلازم كان عادةً غير مرئي في تلك الصور ، لذلك حددنا جميع النوى المستقلة. تم قياس المنطقة النووية باستخدام برنامج Scion Image Beta (الإصدار 4.0.2 من شركة Scion ، Frederick ، ​​MD). تم تقسيم الصور على أساس المستويات الرمادية باستخدام أمر "Density Slice" في Scion Image Beta ، وتم تقييم المنطقة النووية باستخدام أداة "الخطوط العريضة التلقائية". تم استخدام حزمة برامج Statistica (الإصدار 6.0 StatSoft Inc. ، تولسا ، موافق) للتحليلات الإحصائية.


تحليل نسيج صور الخلايا غير الطبيعية للتنبؤ باستمرارية سرطان القولون والمستقيم

الخلية غير الطبيعية (ABC) هي منطقة نسيجية غير متجانسة بشكل ملحوظ ويمكن تصنيفها إلى ثلاثة أنواع رئيسية: فرط التنسج الحميد (BH) والسرطان (Ca) والأورام داخل الظهارة (IN) أو الآفة السرطانية الأولية. الهدف في هذه الدراسة هو تحديد وتوصيف السلسلة المتصلة لسرطان القولون والمستقيم باستخدام نهج الملمس ثلاثي الأبعاد. تم تجزئة ABC في خطوة المعالجة المسبقة باستخدام تقنية تجزئة كفاف نشطة. تم تحليل أنواع الخلايا بناءً على السمات التركيبية المستخرجة من مصفوفات تزامن المستوى الرمادي (GLCMs). تم اختيار ميزات نسيج مهمة باستخدام تحليل التباين (ANOVA) لـ ABC مع أ

. تم تقليل الميزات المحددة من خلال تحليل المكون الرئيسي (PCA) ، والذي يمثل 97 ٪ من التباين التراكمي من الميزات الهامة. حددت نتائج المحاكاة 158 ميزة مهمة تعتمد على ANOVA من إجمالي 624 ميزة نسيج مستخرجة من GLCMs. أظهرت مقاييس الأداء لتمييز ABC بناءً على ميزات نسيج كبيرة دقة تصنيف 92.59٪ وحساسية 100٪ وخصوصية 94.44٪. تشير هذه النتائج إلى أن ميزات النسيج المستخرجة من GLCMs حساسة بدرجة كافية للتمييز بين أنواع ABC وتوفر فرصة للتنبؤ بخصائص الخلايا لسرطان القولون والمستقيم.

1 المقدمة

يمثل سرطان القولون والمستقيم (CRC) أحد أكثر أنواع السرطانات شيوعًا التي تصيب الناس [1]. يتميز بتكاثر خلوي غير طبيعي وغير متحكم فيه [2]. الاستئصال الجراحي للورم الأولي بقصد علاجي ممكن في 70٪ فقط من المرضى. لسوء الحظ ، ما يصل إلى 30٪ من مرضى CRC الذين خضعوا لعملية استئصال جراحي للورم الأولي يعانون من انتكاس لاحق في غضون 3 سنوات وبمتوسط ​​الوقت حتى الموت 12 شهرًا [3 ، 4]. يتم تحويل خلايا القولون والمستقيم بواسطة CRC إلى أشكال شاذة وغير متجانسة [5 ، 6]. في هذا السياق ، يعد عدم التجانس سمة واضحة لسرطان القولون والمستقيم والتي تظهر كمناطق ذات كثافة خلايا عالية. بذلت محاولات لتحديد عدم التجانس باستخدام وظائف ميزة متعددة مثل ميزات Haralick [6]. مثال آخر استخدم الرابط بين نسيج النسيج الكبدي وانتروبيا وانتظامه للتنبؤ بالبقاء على قيد الحياة باستخدام صور التصوير المقطعي بالكمبيوتر [7]. ومع ذلك ، فقد استخدمت دراسات محدودة ميزات النسيج لتقييم استمرارية CRC من الخلايا الحميدة إلى الخبيثة.

بالإضافة إلى ذلك ، يمكن لأنظمة الفحص المجهري البصري الكلاسيكية اكتشاف ABC من خلال تطبيق تقنيات معالجة الصور المتقدمة [8]. الاكتشاف المبكر لـ ABC بالشكل أو عدم التجانس له أهمية كبيرة من أجل التشخيص وبدء العلاج مبكرًا [6]. ومن ثم ، فإن أتمتة العملية تسمح بقراءة أسرع وأكثر دقة للخزعات المجهرية وقد تسمح حتى بتصنيف العينات على أنها BH أو IN أو Ca [6 ، 9 ، 10]. في هذا السياق ، نظرت العديد من الدراسات في تطوير إجراءات قراءة آلية لمثل هذه الخزعات [5 ، 11-14]. يمكن تحضير الخزعات التي تم فحصها بواسطة هذه الإجراءات ومعالجتها مسبقًا للقراءة الآلية باستخدام نظام الفحص المجهري البصري. بعد ذلك ، يمكن تحليل أبجديات من الوسائط المحيطة بها باستخدام تقنيات التجزئة [15]. في هذا السياق ، يجب إنشاء تقنية التجزئة المناسبة بعناية من أجل معالجة الصور الحيوية متعددة الأطياف من النظام المجهري الذي يوفر صورًا عالية الدقة بمقياس رمادي. علاوة على ذلك ، يجب أن يأخذ تحديد ABC داخل صورة ما في الاعتبار بعض السمات المميزة التي تمثل كل نوع ABC [6]. يمكن أن يكون استخراج ميزة النسيج من ABC تقنية واعدة لوصف كل نوع ABC. بعد ذلك ، يمكن التمييز بين أنواع ABC من خلال تطبيق أحد أساليب المصنفات مثل نهج شجرة القرار [16]. يسمح تحليل القوام والتراكيب لكل نوع ABC بتشخيص أكثر دقة للخلايا الخبيثة لأنها منظمة في أنماط وأنسجة مختلفة.

في هذا العمل ، نقترح تحليل كل نوع من أنواع ABC عن طريق استخراج ميزات النسيج من GLCM. يشير الملمس إلى التباين في النغمة داخل منطقة ما ، أو العلاقات المكانية بين المستويات الرمادية لوحدات البكسل المجاورة. توفر تحليلات النسيج ثلاثية الأبعاد (3D) مزيدًا من المعلومات باستخدام مرحلتين ووحدات بكسل متعددة لاكتشاف تنوع أزواج البكسل في مساحة ثلاثية الأبعاد [16 ، 17]. يتم تطبيق النهج الإحصائي لتحليل الصور على أساس مصفوفة التلازم بشكل شائع على الصور البصرية والطبية لتقييم التشكل [5 ، 11 ، 18 ، 19]. تصف ميزات النسيج المستخرجة من GLCM النسيج والتباين المحلي في الصورة. بالنسبة للتصنيف ، اخترنا اثنتي عشرة ميزة رئيسية من أجل تحديد أنواع ABC ، ​​مع تجاهل تلك التي تكون إما زائدة عن الحاجة أو مربكة ، وبالتالي تحسين أداء تقنية الكشف القائمة على الميزة المقترحة.

باختصار ، الغرض من هذه الدراسة هو اشتقاق سمات الصورة متعددة الأطياف ذات النسيج الكمي من الصور المجهرية الضوئية التي تصنف استمرارية آفات CRC. كانت حداثة هذه الدراسة أول تدريب على التنبؤ الآلي المتصل لـ CRC. سيكون هذا أساسًا للخرائط الإشعاعية التي تربط ميزات النسيج هذه بأنواع ABC المختلفة.

ويتم تنظيم ما تبقى من هذه الورقة على النحو التالي. يصف القسم 2 استخراج ميزة النسيج من 3D GLCM بالتفصيل مع مقاييس الأداء. يوضح القسمان 3 و 4 النتائج والمناقشات التجريبية. أخيرًا ، يختتم القسم 5 الورقة.

2. المواد والأساليب

قمنا على وجه التحديد بتحليل صور شرائح رقمية كاملة متعددة الأطياف ثلاثية الأبعاد (WSI) من 27 مريضًا بسرطان القولون والمستقيم. يظهر مثال على عدم التجانس المكاني لكل نوع ABC متعدد الأطياف في توزيع المدرج التكراري الخاص به. من الواضح أن هناك خصائص وميزات معينة من التحليل الأولي تميز BH و IN و Ca (الشكل 1).


مناقشة

لقد درسنا ما إذا كان يمكن التمييز بين أنواع مختلفة من كتلة الكبد في التصوير المقطعي المحوسب الديناميكي باستخدام نماذج تستند إلى التعلم العميق مع CNN. وجدنا أن النموذج ثلاثي الأطوار والفن / del كانا مفيدًا لتصنيف كتل الكبد إلى خمس فئات وأظهر متوسط ​​دقة 0.84 (المدى ، 0.82 - 0.90) و 0.81 (المدى ، 0.75 - 0.86) ، على التوالي. سمح استخدام النموذج ثلاثي الأطوار بالتمييز العالي بين الكتل الخبيثة مقابل الفئة C والكتل الحميدة ، مع مساحة تحت منحنى خاصية تشغيل المستقبل من 0.92 (المدى ، 0.89 - 0.93).

طبقت بعض الدراسات (17-20) التعلم الآلي التقليدي للتمييز بين الكتل الكبدية عن طريق وضع مناطق الاهتمام على الكتل واستخراج ميزات مثل معلمات النسيج الكمي التي أبلغت عن أداء تشخيصي جيد ، بدقة تتراوح بين 0.817-1.000. ومع ذلك ، فإن نماذجهم لم تأخذ في الاعتبار كتل غير محددة أو آفات شبيهة بالكتلة. يمكن أن تظهر عقيدات خلل التنسج على شكل آفات نقص الأوعية الدموية مع توهين متساوي أو توهين منخفض في المرحلة المتأخرة (21 ، 22) ، ولكن يمكن أن يظهر سرطان الكبد المبكر أيضًا مثل هذه الميزات (22 ، 23). لذلك ، يجب تضمين هذه الكتل على صور التصوير المقطعي المحوسب في النماذج ، وقد قمنا بتضمينها ككتل من الفئة C في هذه الدراسة. يمكن أيضًا ملاحظة فرط التعزيز في المرحلة الشريانية الشبيهة بالعقيدات ، والتي تظهر فقط في المرحلة الشريانية ، على صور التصوير المقطعي المحوسب الديناميكية (24). يُعتقد أن التعزيز المفرط في المرحلة الشريانية الشبيهة بالعقيدات يمثل تغييرًا في التروية أو كتلة صغيرة غير خبيثة. ومع ذلك ، فإن مثل هذه الآفات ، التي تم تصنيفها على أنها فئة C في هذه الدراسة ، تحتاج أيضًا إلى تضمينها في النماذج لأن بعض سرطان الخلايا الكبدية يمكن أن تظهر مع نتائج التصوير نفسها (24).

كانت الدقة ، فيما يتعلق بالتمييز بين آفات الفئة (أ) والأوعية الدموية المفرطة ، منخفضة نسبيًا مع النموذج الشرياني في هذه الدراسة. هذه النتيجة منطقية لأن تمييز سرطان الخلايا الكبدية الكلاسيكي عن فرط التعزيز في المرحلة الشريانية الشبيهة بالعقيدات يتطلب معلومات التوهين أثناء المرحلة المتأخرة. كانت الدقة في التمييز بين الآفات من الفئة A والنقص الوعائي باستخدام النموذج المتأخر منخفضة نسبيًا. هذه النتيجة منطقية أيضًا ، لأن التمييز بين آفات سرطان الكبد والأوعية الدموية الكلاسيكية يتطلب معلومات عن الأوعية الدموية ، والتي يمكن الحصول عليها في المرحلة الشريانية. صنف النموذج ثلاثي الأطوار والفن النموذجي / del هذه الآفات غير المحددة و HCCs الكلاسيكية كفئة C والفئة A مع حساسية متوسطة إلى عالية ، وكانت الدقة الكلية مع نموذج ثلاثي الأطوار أعلى بكثير من تلك الموجودة في نموذج الشرايين والنموذج المتأخر.

يتطلب نموذجنا من اختصاصيي الأشعة التركيز فقط على الأورام والتقاط الصور وتقديم الصورة لشبكة CNN. يختلف نموذجنا أيضًا عن الدراسات السابقة (17-20) التي استخدمت طرق التعلم الآلي التقليدية للتمايز بين كتل الكبد من حيث أنها لا تتطلب مناطق معقدة الشكل ذات أهمية لتتبع حدود الأورام أو المناطق الدائرية أو الإهليلجية ذات الأهمية داخل الأورام. أظهر نموذجنا أداءً عاليًا بغض النظر عما تم تصويره حول كتل الكبد. قد يكون هذا قد تحقق من خلال التدريب مع العديد من كتل الكبد في أقسام مختلفة من الكبد.

قد تكون عملية التقاط الصورة ذاتية ، ومع ذلك ، فقد تم تصميم نموذجنا ليكون قويًا لهذه العملية من خلال التدريب باستخدام صور متعددة بمواضع جدول مختلفة تم زيادتها عن طريق التكبير بدرجات مختلفة ومن خلال التحول المتوازي.

من المعروف أن النماذج المعقدة ، مثل شبكات CNN ، تواجه مشكلة التجهيز الزائد ، مما يؤدي إلى أداء دون المستوى الأمثل للبيانات غير المدرجة في مرحلة التدريب. لهذا السبب ، يعد إعداد مجموعة بيانات اختبار مستقلة ، والتي لم يتم تضمينها في عملية التدريب ، ضروريًا لتقييم أداء النموذج بشكل مناسب (7،25). يتمثل النهج الآخر في تقسيم مجموعة البيانات بأكملها إلى بيانات التدريب وبيانات الاختبار وتكرار العمليات الحسابية بتقسيمات مختلفة للتدريب والاختبار (على سبيل المثال ، التحقق المتقاطع K-fold والتركيبة المتصالبة التي تُترك لمرة واحدة) ، والتي تُستخدم بشكل شائع عند عدد مجموعات البيانات المتاحة محدود (25). قمنا بتقييم أداء النموذج على أساس الطريقة السابقة من خلال إعداد مجموعات صور اختبار مستقلة تم مسحها ضوئيًا بعد 3 سنوات من مجموعات الصور التدريبية.

من المعروف أن استخدام وحدة معالجة الرسومات يمكّن النماذج من التدريب بشكل أسرع من 10 إلى 20 مرة ، وهو أحد أسباب نجاح التعلم العميق (7). في هذه الدراسة ، استخدمنا وحدة معالجة الرسومات واستغرقت كل جلسة تدريب CNN حوالي 10-20 دقيقة ، على الرغم من أننا لم نقيس بدقة الوقت المنقضي. بمجرد إنشاء نموذج ، فإن تطبيقه على آفة جديدة لا يتطلب حسابات معقدة. في هذه الدراسة ، كان الوقت اللازم لإجراء الاختبار ، بدون وحدة معالجة الرسومات وباستخدام 100 مجموعة صور في كل جلسة ، حوالي 10 ثوانٍ.

يجب الاعتراف بالعديد من القيود فيما يتعلق بهذه الدراسة. أولاً ، لم تكن حساسية تشخيص جماهير الفئة ب جيدة مثل تلك الخاصة بالفئات الأخرى.سيكون إدراج البيانات السريرية الأساسية ، مثل وجود أمراض خبيثة أو إضافة وظيفة تسمح بالمقارنة مع فحوصات التصوير المقطعي المحوسب السابقة ، مفيدًا عند بناء النماذج للحصول على أداء تشخيصي أفضل لكتل ​​الفئة ب. أجرينا هذه الدراسة باستخدام صور JPEG أحادية المقطع ، وقمنا بتغيير حجم الصور إلى 70 × 70 بكسل. ربما تسببت معالجة الصور هذه في فقدان المعلومات وربما أدت إلى حساسية منخفضة نسبيًا لكتل ​​الفئة ب. استخدمنا صور JPEG المكبرة لأنه كان من السهل الحصول عليها باستخدام وظيفة التقاط الصور في العارض. قد يؤدي تحويل الصور الرقمية والاتصالات في الطب إلى تنسيق JPEG إلى فقدان المعلومات ، ومع ذلك ، نعتقد أنه سيكون ضئيلاً للغاية. نظرًا لأن إعدادات النافذة المستخدمة في هذه الدراسة (مستوى النافذة 40 HU وعرض 250 HU لـ CT غير المعزز ومستوى النافذة لـ 45 HU وعرض النافذة لـ 290 HU للتصوير المقطعي المحسن بالتباين) يسمح بتقييم معظم أنسجة البطن. استخدمنا مجموعات صور ذات مقطع واحد تم تغيير حجمها (70 × 70 بكسل) لأنه بخلاف ذلك كان العبء الحسابي كبيرًا جدًا. قد يكون حجم العينة المنخفض نسبيًا أيضًا أحد أسباب الحساسية المنخفضة للفئة ب. وبالتالي ، يلزم إجراء تحقيق مستقبلي يأخذ في الاعتبار هذه القضايا. ثانيًا ، لم نكن نعتزم بناء نماذج مخصصة لكتل ​​الكبد التي يصعب تشخيصها أو نماذج من شأنها أن تتنبأ بأنواع فرعية نسيجية مفصلة. نظرًا لأنه تم العثور على نموذج التعلم العميق باستخدام CNN ليكون فعالًا في تصنيف العديد من كتل الكبد التي نواجهها في الممارسة السريرية اليومية ، فإننا نتوقع إجراء دراسات تركز على هذه الموضوعات في المستقبل. ثالثًا ، لم يتم الحصول على التقييم التشريحي المرضي بالضرورة لجميع كتل الكبد. ومع ذلك ، نظرًا لأن معظم كتل الكبد الحميدة يتم تشخيصها من خلال نتائج الصور ولا تتضمن الجراحة ، ولأن بعض سرطان الكبد الكلاسيكي يتم تشخيصه بنتائج الصور ويتم علاجها بالاستئصال بالترددات الراديوية أو الانصمام الكيميائي عبر الشرايين ، فقد يكون من الصعب الحصول على تقييمات نسيجية لجميع الآفات.

في الختام ، أشارت هذه الدراسة الأولية ، التي استخدمت 55536 مجموعة صور (1068 مجموعة صور معززة بمعامل 52) للحصول على نماذج ، إلى أن تصنيف كتل الكبد إلى خمس فئات (سرطان الخلايا الكبدية الكلاسيكية ، والأورام الخبيثة بخلاف سرطان الخلايا الكبدية التقليدية والمبكرة ، غير محددة يمكن تحقيق الكتل [بما في ذلك سرطان الخلايا الكبدية المبكرة وعقيدات خلل التنسج] أو الكتل الحميدة النادرة والأورام الوعائية والأكياس) بدرجة عالية من الدقة باستخدام طريقة التعلم العميق مع CNN على صور التصوير المقطعي المحوسب المعزز بالتباين الديناميكي. يمكن أن يكون نموذج CNN مفيدًا في تشخيص معظم كتل الكبد التي نواجهها في الممارسة السريرية اليومية ، ومع ذلك ، سيكون من الضروري إجراء مزيد من التحسين لتحقيق الأداء المناسب لتشخيص كتل الكبد الخبيثة النادرة نسبيًا.

التقدم في المعرفة

■ التشخيص التفريقي للكتل الكبدية (مصنفة في الفئات الخمس التالية: الفئة أ ، سرطان الخلايا الكبدية الكلاسيكي [HCCs] الفئة ب ، أورام الكبد الخبيثة بخلاف سرطان الكبد الكلاسيكي والفئة C المبكرة ، الكتل غير المحددة أو الآفات الشبيهة بالكتلة [بما في ذلك سرطان الخلايا الكبدية المبكرة و عقيدات خلل التنسج] وكتل الكبد الحميدة النادرة بخلاف الأورام الوعائية والأكياس فئة D والأورام الوعائية والفئة E ، الخراجات) عند التصوير المقطعي المحسّن بعامل التباين الديناميكي (باستخدام مجموعة من الصور غير المحسّنة من عوامل التباين والشرايين والمتأخرة) ممكن باستخدام التعلم العميق مع الشبكة العصبية التلافيفية.

■ مكن استخدام النماذج من تصنيف كتل الكبد إلى الفئات الخمس بحساسية 0.71 و 0.33 و 0.94 و 0.90 و 1.00 للفئات A و B و C و D و E على التوالي وبدقة إجمالية قدرها 0.84 .

■ أتاح استخدام النماذج التمايز بين الفئات A – B و C – E ، مع وجود منطقة تحت منحنى خاصية تشغيل المستقبل بقيمة 0.92.


دراسة حالة حول تحسين الصورة الطبية بناءً على II curvelet

المراسلات: [*] العنوان المراسل: Guo Qi، Department of Mathematics، Harbin Institute of Technology، Harbin 150001، China. البريد الإلكتروني: [email & # 160protected].

الملخص: تم تقديم طريقة في هذا البحث لتحسين الصورة الطبية على أساس II curvelet. بعد التحلل المويج للصورة الطبية ، نواصل تفكيك الصور الفرعية عالية التردد ، من أجل الحصول على معلومات أكثر تفصيلاً. لقد صممنا أيضًا وظيفة زيادة الوزن المقابلة لتحسين الحواف للصور الفرعية منخفضة التردد ، باستخدام منحنى II لاستخراج معلومات الحافة ، والتي لها مزايا على التحويل المنحني العادي. لقد تغلبت هذه الطريقة على عيوب خوارزمية تحسين الصورة الطبية الحالية بناءً على نظرية المويجات ، على سبيل المثال ، (1) معظم الطرق الحالية تحلل الصور الفرعية منخفضة التردد فقط للحصول على معلومات مفصلة (2) لا يمكنهم استخلاصها جيدًا الأورام أو مناطق كبيرة أخرى من معلومات الحافة من الصور الطبية. في تجارب المحاكاة ، قمنا بتحسين صور الأشعة السينية للثدي التي قدمتها مستشفى هيلونغجيانغ الإقليمي للأورام ، وقارننا الخوارزمية مع العديد من طرق تحسين الصورة التقليدية. تظهر النتائج أنه من خلال خوارزمية التحسين الخاصة بنا القائمة على منحنى II ، يمكن أن تنعكس قوام الصورة وحوافها بوضوح ، وتكون التكلسات في الصورة مستقلة ، وفي الوقت نفسه ، تتمتع هذه الطريقة بالتفوق عند تحسين الصور التي تحتوي على تمت إضافة ضوضاء إلى.

الكلمات الرئيسية: تحسين الصورة ، تحلل الصورة الفرعية عالي التردد ، تحويل المويجة ، زيادة الوزن ، تحويل منحنيات II


نتائج

التنميط الزمني للتسلسل الزمني لاكتساب النمط الظاهري للشيخوخة أثناء الشيخوخة التكرارية

لفهم ترتيب الأنماط الظاهرية للشيخوخة الخلوية العامة ، قمنا أولاً بمراقبة نشاط SA-β-gal ، وهو أكثر علامات الشيخوخة شيوعًا ، أثناء الشيخوخة التكرارية. تمت تربية الأرومات الليفية الأولية ثنائية الصبغيات البشرية (HDFs) بشكل مستمر حتى فقدوا قدرتها على الانقسام (كيم. وآخرون. ، 2003). خلال هذه العملية ، تم تسجيل مضاعفة المرات (DT ، المدة الزمنية لمضاعفة عدد الخلايا على لوحة الثقافة) وتضاعف عدد السكان (PD ، الأرقام المارة للخلايا التي تم الحصول عليها عن طريق مضاعفة عدد السكان المتسلسل) كما هو موضح في المواد والطرق ، و تم إخضاع الخلايا لمقايسة SA-β-gal في مراحل مختلفة من عملية الشيخوخة. بقي DT الخلوي في يومين حتى يصبح PD 40 (PD40) ، وبعد ذلك ، زاد تدريجياً (الشكل 1 أ) ، مما يعني أن مجموعة فرعية من تجمعات الخلايا تبدأ في فقدان قدرتها على الانقسام بعد PD40. من الجدير بالذكر أن مجموعة الخلايا غير متجانسة - تفقد تدريجياً الخلايا غير الواضحة وتكتسب تدريجياً الخلايا الشائخة - حيث يتم تمرير الخلايا الأولية إلى الشيخوخة التكاثرية.

طورت الخلايا ذات DT من 7 (خلايا DT7) مستوى منخفضًا من نشاط SA-β-gal ، زاد عدد سكان الخلايا الإيجابية SA-β-gal بشكل تدريجي بعد ذلك (الشكل 1 ب والشكل S1A ، المعلومات الداعمة). بالإضافة إلى ذلك ، لوحظ ارتفاع نشاط SA-β-gal في خلايا DT10 ، ولكن في مجموعة فرعية صغيرة من السكان. ومن المثير للاهتمام ، حدوث زيادة كبيرة وجذرية أخرى في مستويات عالية من أنشطة SA-β-gal في مجتمع خلايا DT20 ، مما أدى إلى زيادة كبيرة في إجمالي أنشطة SA-β-gal. ومع ذلك ، انخفضت المستويات المنخفضة من أنشطة SA-β-gal بشكل طفيف. تشير هذه النتائج إلى أن الخلايا الإيجابية المنخفضة SA-β-gal قد تتحول إلى خلايا SA-β-gal عالية. ومع ذلك ، لا يمكن تجاهل إمكانية الظهور المباشر لخلايا SA-β-gal عالية. يشير تحليلنا إلى أن التأخير المبكر لنمو الخلايا من DT2 إلى DT3 وإلى DT5 لا يرتبط ارتباطًا مباشرًا بنشاط SA-β-gal ، وأن التغييرات الجزيئية المستقلة قد تكون مطلوبة للتأخير المستمر لنمو الخلية من DT2 إلى DT30 ، لتحقيق مكاسب من نشاط SA-β-gal ، ولانتقال أنشطة SA-β-gal المنخفضة إلى المرتفعة ، على التوالي.

بعد ذلك ، قمنا بتقييم الأنماط الظاهرية للشيخوخة الخلوية الأخرى ، مثل الزيادات في حبيبات الخلية وحجم الخلية وكتلة الخلية. عندما قمنا بتحليل التشتت الجانبي (إشارة إلى حجم الخلية) والتشتت الأمامي (إشارة إلى الحبيبات الخلوية) لـ HDFs ، وجدنا أن كلا الطرز الظاهرية قد زادت تدريجياً من DT3 ووصلت إلى مستوياتها القصوى عند DT12 (دقة الخلية) و DT10 ( حجم الخلية) (الشكل 1 ج). بشكل غير متوقع ، زادت مساحة الخلية من DT5 (الشكل 2 أ) ، وزاد إجمالي الرنا المرسال داخل الخلايا ومستويات البروتين من DT3 ، الملاحظات التي تتوافق مع الزيادة في حجم الخلية (2 ب و 2 ج). تشير هذه النتائج إلى أن التسطيح الخلوي ، والذي قد يكون مرتبطًا بنشاط الهيكل الخلوي والالتصاق الخلوي (Hwang وآخرون. ، 2009) ، يتطور بعد الزيادة في حجم الخلية.

غالبًا ما تُعتبر أنواع الأكسجين التفاعلية هي المُعدِلات الرئيسية للأنماط الظاهرية للشيخوخة ، حيث تلعب أدوارًا متعددة الأوجه كمرسلين للإشارات الخلوية بالإضافة إلى عوامل مدمرة للخلايا. قمنا بتقييم الدورة الزمنية لإنتاج ROS باستخدام صبغة مضان DCF-DA ، والتي تقيس في المقام الأول بيروكسيد الهيدروجين والرابط الزمني لاكتساب أنماط ظاهرية أخرى للشيخوخة. بشكل غير متوقع ، زادت مستويات ROS داخل الخلايا بشكل ملحوظ في الخلايا فوق DT2 ، في وقت أبكر بكثير من الزيادة في كتلة الخلية ، على الرغم من أن مستويات ROS ظلت منخفضة نسبيًا (الشكل 2D والشكل S1B). وبالتالي ، قد تكون الزيادة الطفيفة الأولية في مستويات ROS داخل الخلايا مرتبطة بالزيادة في حجم الخلية والتأخير الطفيف في تقدم دورة الخلية من DT2 إلى DT3. يتم دعم هذه الفرضية من خلال ملاحظتنا السابقة بأن إنشاء ROS يؤخر تقدم دورة الخلية الإجمالية (Byun وآخرون، 2008). لوحظت زيادة كبيرة أخرى في مستويات ROS داخل الخلايا في الخلايا التي تتجاوز DT7 (الشكل 2D) ، مما يشير إلى وجود صلة بين المستويات العالية من ROS داخل الخلايا واكتساب نشاط SA-β-gal. نلخص ترتيب اكتساب الأنماط الظاهرية للشيخوخة في الشكل 2E.

يتغير التعبير الجيني أثناء الشيخوخة التكرارية

لاستكشاف الخلفية الجزيئية للشيخوخة التكرارية ، أجرينا تنميط التعبير الجيني المتسلسل الزمني للخلايا (الشكل 3 أ). أجرينا أولاً تجميعًا غير خاضع للإشراف لأكثر الجينات تغيرًا (الانحراف المعياري & gt 0.2 ، ن = 6845). كشف ملف تعريف التعبير الجيني عن أربع وحدات متميزة (G1 و G2 و G3 و G4) تم التعبير عنها بشكل بارز في مراحل معينة من عملية الشيخوخة (الشكل 2 أ). تضمنت الوحدة G1 الجينات المعبر عنها بدرجة عالية في خلايا DT2 (ن = 862) ، بينما تضمنت الوحدة G2 الجينات المعبر عنها في DT2

خلايا DT7 (ن = 2،012). أظهرت الوحدة G3 تعبيرًا عاليًا خلال DT3

DT20 (ن = 510). أخيرًا ، تم التعبير عن الوحدة النمطية G4 من DT10 إلى أكثر من DT30 (ن = 2440 جدول S1 ، معلومات داعمة).

تم تقييم الخصائص الوظيفية لكل وحدة من خلال تحليل علم الوجود الجيني (الجدول 1). تم إثراء الوحدة G1 بشكل بارز للجينات المرتبطة بدورة الخلية ، مما يشير إلى تكاثر الخلايا النشط خلال هذه المرحلة. تم قمع هذا النشاط في DT3 ، مما يشير إلى أن توقف النمو الشائخ قد يحدث في هذا الوقت. تضمنت الوحدة G2 الجينات المرتبطة بعملية التمثيل الغذائي ومعالجة الحمض النووي الريبي / الحمض النووي الريبي ، بينما ارتبطت الوحدة G3 بالتعبير عن الوظائف الالتهابية والمتعلقة بالمناعة مثل الاستجابة الدفاعية ومعالجة المستضد. تم إثراء الوحدة G4 للجينات المتعلقة بموت الخلايا وتنظيم نمو الخلايا.

  • تم عرض أعلى 3 من وظائف الجينات العنقودية وأعلى 3 مصطلحات من علم الوجود الجيني المخصب (GO) في كل مجموعة. تمت الإشارة إلى معرفات GO للعمليات البيولوجية.

صنفنا عملية الشيخوخة التكراري إلى أربع مراحل (أسفل الشكل 3 أ). يتم التحكم في المرحلة المبكرة من خلال العمل المشترك للوحدتين G1 و G2 ، مما يؤدي إلى الانتشار النشط والتمثيل الغذائي النشط. تؤدي المرحلة الوسطى ، التي يتم التحكم فيها بواسطة الوحدتين G2 و G3 ، إلى قمع نشاط تكاثر الخلايا ، ولكن الأيض النشط يستمر. يتوافق هذا الاكتشاف مع الأنماط الظاهرية للشيخوخة للزيادات في كتلة الخلية وحجمها وكذلك تأخر نمو الخلية (الشكل 2E). تساهم الوحدتان G3 و G4 في الوظائف المرتبطة بالالتهاب خلال المرحلة المتقدمة. أخيرًا ، لا تخضع المرحلة المتقدمة جدًا إلا للوحدة G4.

التعبير عن الجينات التي تشفر بروتينات النمط الظاهري الإفرازي المرتبط بالشيخوخة (SASP)

كشف تحليل ملف تعريف التعبير الجيني أن الوظائف الالتهابية تم التعبير عنها بواسطة الوحدة G3. من المعروف أن العوامل المرتبطة بالالتهاب المنبعثة من الخلايا تلعب أدوارًا رئيسية في الشيخوخة معًا ، وتشكل هذه العوامل SASP ، والتي قد تكون خاصة بالطور (Freund). وآخرون. ، 2010 Rodier & Campisi ، 2011). قمنا بفحص ملفات تعريف التعبير الجيني للبروتينات المعروفة المرتبطة بـ SASP وأشكالها الإسوية (ن = 162) في كل مرحلة من مراحل الشيخوخة وتم العثور على 55 جينًا خاصًا بالطور (الشكل 3 ب). تم تضمين IL10 و IL18 في تعبير الوحدة النمطية G1 ، بينما كان IL15 في الوحدة النمطية G2. في الوحدة النمطية G3 ، تم تضمين العديد من الإنترلوكينات (IL1B و IL6 و IL8 و IL32) والروابط الكيميائية (CLXCLs 1 و 2 و 5 و 6 و 10 و 16). تضمنت الوحدة G4 الأشكال الإسوية لبروتينات ربط عامل النمو الشبيه بالأنسولين (IGFBPs 2 و 3 و 5 و 7) والإنترلوكينات (IL1A و IL12A و IL17D) وجينات المصفوفة metalloproteinase (MMP) (MMP1 و MMP3 و MMP12 ). توضح بياناتنا نمط التعبير الكلي المعتمد على الطور لجينات SASP أثناء الشيخوخة.

يتم تعديل الأنشطة العامة للجينات المرتبطة بـ SASP من خلال إجراءات مشتركة مع تعبيرات خاصة بالطور لمستقبلاتها أو بروتيناتها المثبطة

كشف تحليلنا للتعبير الجيني المرتبط بـ SASP أيضًا عن أنماط تعبير خاصة بالطور لمستقبلات SASP. لذلك ، افترضنا أن الإجراءات المشتركة للسيتوكينات ومستقبلاتها و MMPs ومثبطات الأنسجة للبروتينات المعدنية (TIMPs) كانت مهمة في كل مرحلة. تم تقدير الإجراءات المشتركة المحتملة للإنترلوكينات ومستقبلاتها ، بناءً على ملفات تعريف تعبيرها (الشكل 4 أ ، ب). يمكن أن يُظهر الإنترلوكينات أربعة تأثيرات في الخلايا المتشيخة: زيادة تأثير paracrine ، زيادة في تأثيرات paracrine / autocrine ، زيادة الحساسية ، أو انخفاض في التأثير الكلي. على سبيل المثال ، يزيد تعبير IL1A في الخلايا الشائخة ، لكن التعبير عن مستقبله يقلل من هذا السيناريو قد يعني أن الخلايا الشائخة يمكنها إطلاق IL1A لكنها لا تستطيع الاستجابة لها بسبب نقص المستقبلات. أظهرت دراسة حديثة أن IL1A لم يتم إفرازه عادةً ، ولكنه يظل مرتبطًا بسطح الخلية ، مما يجعل تكهناتنا معقدة (Orjalo وآخرون، 2009). ومع ذلك ، لا يزال من المقبول أن تكون الخلايا غير المتوهجة المحيطة هي الهدف الأساسي للسيتوكينات التي تم إطلاقها. يمكن أن تكون سيناريوهاتنا قابلة للتطبيق بشكل جيد على أوضاع العمل لجميع الإنترلوكينات الإفرازية الأخرى. لقد تحققنا كذلك من التعبير عن الإنترلوكينات ومستقبلاتها على مستوى البروتين. كما هو متوقع ، أظهر IL1R1 و IL7R تعبيرًا متحركًا أثناء الشيخوخة (الشكل 4C). بلغ التعبير عن بروتينات IL6 و IL8 ذروته خلال المراحل المتقدمة من الشيخوخة (DT10 و DT14 الشكل 4D). نظرًا لانخفاض التعبير على مستوى البروتين ، لم نتمكن من استخدام نفس الطريقة للكشف عن الإنترلوكينات الأخرى ، بما في ذلك IL1α و IL1β و IL17.

كما لوحظت التحولات في مستويات التعبير النسبي لـ MMPs و TIMPs. تم التعبير عن بعض MMPs / TIMPs (MMP11 و MMP2 و MMP20 و MMP27 و TIMP1) خلال المراحل المبكرة والمتوسطة ، بينما تم التعبير عن البعض الآخر (MMP1 و MMP12 و MMP3 و TIMP1 و TIMP2 و TIMP3) في المراحل المتقدمة والمتقدمة جدًا من الشيخوخة (الشكل S2). تم التحقق من صحة مستويات التعبير البروتيني لـ MMPs و TIMPs بواسطة لطخة غربية (الشكل 4C) ، وكشف zymography أيضًا عن تحول شكل إسوي مميز: زادت النطاقات 1 و 2 ، وانخفض النطاق 3 (الشكل 4E).

لقد تحققنا كذلك من تحول التعبير عن الجينات ذات الصلة بـ SASP في الجسم الحي باستخدام أنسجة الجلد من الجرذان الصغيرة إلى فئران Sprague-Dawley القديمة. كشفت مستويات التعبير عن الجينات المرتبطة بـ SASP أثناء عملية الشيخوخة أنماطًا متشابهة من التحول (الشكل 5 أ ، ب). مجتمعة ، تشكل بياناتنا ملفات تعريف مفصلة على نطاق الجينوم للتعبير المرتبط بالشيخوخة للإشارات الالتهابية ، والملاحظات التي تتفق مع تقرير سابق (Rodier & Campisi ، 2011).

تُظهر ملفات تعريف التعبير الجيني ارتباطًا خاصًا بالمرحلة مع الأمراض المرتبطة بالعمر

لتحديد مسارات الإشارات التنظيمية المشاركة في كل مرحلة من مراحل الشيخوخة ، قمنا بتحليل التعبير عن مسارات الإشارات الكنسية في قاعدة بيانات KEGG (الجدول 2). ومن المثير للاهتمام أن مسارات الإشارات الالتهابية مثل RIG-I (ص = 7.7 × 10 −4) وإشارات مستقبلات شبيهة بالرسم (ص = 2.0 × 10 −3) في الوحدة النمطية G3 (الشكل S3A ، B). لدعم النتائج التي توصلنا إليها ، أظهر تقرير حديث أن RIG-I هو وسيط رئيسي للالتهاب المرتبط بالشيخوخة ، خاصةً لـ IL6 و IL8 (Liu وآخرون. ، 2011). تم إثراء التعبير عن جينات ترميز البروتين الليزوزومي في الوحدة G4 (ص = 1.0 × 10 −9 ، الشكل S3C) ، والتي قد تتوافق مع النشاط العالي لـ SA-β-gal في هذه النقطة الزمنية. بالإضافة إلى ذلك ، تم تحديد مسار p53 في الوحدة النمطية G4 (ص = 3.5 × 10 4) ، مما يشير إلى دور تنظيمي في إشارات موت الخلية وعمليات الشيخوخة العدوانية (الشكل S3D).

فئة شرط عدد ص-قيمة
ش 1
مرض سرطان الثدي 21 2.17.E-03
سرطان قولوني مستقيمي 15 1.09.E-02
سرطان الرئة 13 1.44.E-02
سرطان المثانة 9 2.21.E-02
KEGG_Pathway تكرار الحمض النووي 23 3.00.E-22
دورة الخلية 33 1.20.E-17
إصلاح الاستئصال القاعدي 15 3.10.E-11
إصلاح عدم التطابق 12 4.20.E-10
G2
مرض الأنسولين ضغط الدم الشرياني 4 2.95.E-03
عيوب الأنبوب العصبي 10 9.30.E-03
سرطان الثدي 39 1.18.E-02
سرطان القولون سرطان المستقيم 4 1.28.E-02
KEGG_Pathway الريبوسوم 46 6.10.E-24
التخليق الحيوي Aminoacyl-tRNA 17 4.30.E-07
سرطان البروستات 19 1.60.E-03
مسارات في السرطان 48 2.80.E-03
G3
مرض التهاب الكبد ب 13 1.01.E-08
تصلب متعدد 19 7.01.E-06
مرض بهجت 8 1.80.E-04
التهاب الجلد التأتبي 5 2.44.E-04
KEGG_Pathway مسارات في السرطان 21 7.60.E-04
مسار إشارات مستقبلات RIG-I-like 9 7.70.E-04
التهاب عضلة القلب الفيروسي 9 7.70.E-04
مسار إشارات مستقبلات تشبه الرسوم 10 2.00.E-03
ش 4
مرض الشفة الأرنبية مع الحنك المشقوق 11 2.96.E-03
سرطان المثانة 23 7.98.E-03
السكتة الدماغية ونقص التروية 15 1.25.E-02
ارتفاع ضغط الدم 35 2.01.E-02
مرض هنتنغتون 6 2.92.E-02
مرض الزهايمر 42 4.56.E-02
KEGG_Pathway الايسوسوم 42 1.10.E-09
مسار إشارات p53 21 3.50.E-04
الإلتصاق البؤري 45 4.10.E-04
إشارات الخلايا الظهارية في عدوى الملوية البوابية 20 9.80.E-04
نظام إشارات فوسفاتيديلينوسيتول 21 1.10.E-03
سرطان الرئة ذو الخلايا الصغيرة 22 2.50.E-03
تمدد عضلة القلب 22 7.90.E-03

أخيرًا ، قمنا بتقييم الارتباط المحتمل للوحدات G1 - G4 مع الأمراض المرتبطة بالعمر (الجدول 2) لفحص المساهمة المحتملة للخلايا الشائخة في الأمراض. ارتبطت الوحدة G1 بالسرطان ، بينما ارتبطت الوحدة G2 بالأمراض المرتبطة بالأنسولين وعيوب الأنبوب العصبي. أظهرت الوحدة G3 ارتباطًا بالأمراض الالتهابية ، وارتبطت الوحدة G4 بأمراض القلب والأوعية الدموية وأمراض التنكس العصبي. تم تلخيص الارتباط المحتمل للجينات المعيارية مع المسارات الكنسية والأمراض المرتبطة بالعمر في الشكل 5 ج. مجتمعة ، تشير هذه الملاحظات إلى أن التعبير الخاص بالمرحلة للوحدات الجينية للخلايا الشائخة المكتسبة أثناء عملية شيخوخة الكائن الحي قد يساهم في تطور الأمراض المرتبطة بالعمر.


نقاش

كان الهدف من هذه الدراسة هو الاستهداف العلاجي لحل الالتهاب المعيب في لويحات تصلب الشرايين المتقدمة وبالتالي قمع تقدم اللويحة. تحقيقا لهذه الغاية ، قمنا بإدارة وسيط لحل الالتهاب ، Ac2-26 ، في شكل NP ، مستهدفًا بشكل خاص القولون الرابع في لويحات تصلب الشرايين. أظهرنا سماكة الغطاء الليفي للوحة ، وقمع الأكسيد الفائق الآفات ، وفي آفات BCA ، انخفاض في نخر اللويحة. يتوافق كل من هذه التحسينات مع تحسين دقة الالتهاب.

استخدمت الدراسات السابقة معالجات جينية مختلفة للتعبير الزائد عن السيتوكين المؤلم ، IL-10 ، في نماذج الفئران لتصلب الشرايين. في إحدى هذه الدراسات ، Ldlr - / - تم زرع الفئران بنخاع عظم الفئران المعدلة وراثيا IL-10 ، وانخفض تعقيد لوحة جذر الأبهر في هذه الفئران الكيميرية مقارنة بآفات التحكم WT →Ldlr - / - الفئران (34). على الرغم من هذه النتائج الواعدة ، فإن التلاعب الجيني للكائن بأكمله ليس خيارًا علاجيًا للبشر ، وسيحتاج استخدام السيتوكينات لتصلب الشرايين إلى التكيف مع نهج علاجي. أدت Col IV-Ac2-26 NPs في هذه الدراسة إلى زيادة في Il10 mRNA في الآفات ، مما يشير إلى أن فوائده ، جزئيًا ، يمكن التوسط فيها بواسطة IL-10. يستهدف Ac2-26 مستقبلات FPR2 / ALX ، والسمة الرئيسية لهذه الروابط هي أنها تخفف الالتهاب المفرط دون المساومة على دفاع المضيف (3). هذا أمر بالغ الأهمية لأن العلاجات التي تستهدف السيتوكينات الالتهابية غالبًا ما تضعف دفاع المضيف ضد مسببات الأمراض ، خاصةً عندما يتم تناولها على مدى فترة طويلة من الزمن (8). وبالتالي ، فإن العلاجات التي تعزز الدقة قد يكون لها نسبة فائدة / مخاطر أفضل من الأدوية المضادة للالتهابات المتوفرة حاليًا ، مثل مضادات TNFα (عامل نخر الورم α) (8).

تتعلق مجموعة الأسئلة الرئيسية التي تظهر من هذه الدراسة بالآليات الجزيئية والخلوية التي تكمن وراء التأثيرات الوقائية لإشارات Ac2-26 و FPR2 / ALX. على سبيل المثال ، ارتبطت الزيادة في سماكة الغطاء الليفي بانخفاض في نشاط كولاجيناز الآفة وزيادة في Col3a1 التعبير ، ولكن آلية وأهمية هذه العمليات في إعادة تشكيل الغطاء الليفي لا يزال يتعين توضيحه. فيما يتعلق بتوليف الكولاجين ، يمكن أن يعمل الملحق A1 مباشرة على SMCs (35). ومع ذلك ، فإن نتائج Fpr2 - / - تثير دراسة BMT إمكانية أن يعزز Ac2-26 إنتاج الكولاجين بواسطة SMCs الآفة عن طريق تحريض الضامة أولاً على إفراز TGF-، وهو وسيط بروفيبروتيك يمكنه تعزيز استقرار اللويحة (36). سؤال آخر هو كيف يتم تنظيم الموقع داخل الآفة لتراكم الكولاجين من خلال وسطاء مسبقة. على الرغم من أن الكولاجين بالقرب من التجويف في اللويحات المتقدمة مفيد لمنع التمزق ، فإن تراكم الكولاجين في أجزاء أخرى من الآفات قد يعزز تصلب الأوعية الدموية الضار (37). تتضمن الأمثلة الأخرى للأسئلة الميكانيكية للتحقيق المستقبلي كيف يروي Ac2-26 الإجهاد التأكسدي وكيف يمنع نخر البلاك (3840). أخيرًا ، يمكن ليجند FPR2 / ALX آخر ، RvD1 ، تقليل نسبة الليكوترين إلى الليبوكسين في الكريات البيض في التهاب الصفاق الحاد (41, 42) إذا حدثت هذه العملية في البلاعم الآفة ، فيمكن أن توفر آلية لتقليل تدفق الكريات البيض الالتهابية ، لأن الليكوترين ب4 (LTB4) له نشاط جاذب كيميائي. علاوة على ذلك ، إذا آفة LXA4 تم زيادة المستويات بواسطة Col IV-Ac2-26 NPs ، وهذا قد يؤدي إلى تضخيم تأثير Ac2-26 ، لأن LXA4 ينشط مستقبلات FPR2 / ALX ويحفز تعبئة الملحق A1 من العدلات (31).

تثير هذه الدراسة السؤال عن سبب حدوث خلل في الدقة مع تقدم الآفات. هناك دليل على أن مسارات الاستبانة الداخلية تعمل في الآفات السابقة ، ولا سيما تلك التي يتم تنشيطها بواسطة IL-10 و 12/15-lipoxygenase (LOX) - المشتقة من وسطاء دهن متقدم متخصص ، مثل LXA4 و RvD1 (5, 43, 44). تشمل التفسيرات المحتملة لسبب فشل هذه المسارات وغيرها في الآفات المتقدمة إنتاج الوسيط المعيب ، وتقويض الوسيط المحسن ، والتحويل إلى مركبات غير نشطة أو مسببة للالتهابات ، و / أو إشارات مستقبلات الاستبانة المعيبة. قد يمنع النظام الغذائي عالي الدهون أيضًا تخليق الوسطاء المسبق بواسطة 12/15-LOX (43). علاوة على ذلك ، يتم تحويل العديد من وسطاء الدهون المتخصصين إلى أشكال غير نشطة من خلال التمثيل الغذائي الأنزيمي (45, 46). نظرًا لأن تعبير مستقبلات FPR2 / ALX يتناقص مع تقدم تصلب الشرايين ، فهناك احتمال أن تكون العلاجات التي تستهدف هذا المستقبل ، مثل Col IV-Ac2-26 NPs ، أقل فعالية عندما تصل الآفات إلى هذه المرحلة المتقدمة جدًا. ومع ذلك ، فإن التأثيرات العلاجية للعصدين IV-Ac2-26 NPs في الفئران المصابة بتصلب الشرايين المتقدم الموضحة هنا تشير إلى أن مستوى المستقبلات المتبقية كافٍ للتوسط في الآثار المفيدة ، على الأقل عندما يتم تقديم الترابط بتركيز عالٍ بدرجة كافية. في المقابل ، قد لا يكون تعبير FPR2 / ALX المتناقص أثناء تصلب الشرايين المتقدم كافياً للرباطات الداخلية لتركيب مسارات مسبقة ، والتي قد تكون آلية أساسية تساهم في حل خلل في تصلب الشرايين المتقدم.

معظم آفات تصلب الشرايين لا تتطور ولا تسبب متلازمات الشريان التاجي الحادة ، ولكن تلك التي تتطور هي المسؤولة عن السبب الرئيسي للوفاة في العالم الصناعي: أمراض القلب والأوعية الدموية. ليس بالضرورة أن تكون اللويحات غير المستقرة والمهمة سريريًا في البشر أكبر حجمًا ، ولكن لها سمات مورفولوجية مميزة تعزز تمزق اللويحات: النوى النخرية الأكبر ، والأغطية الليفية الرقيقة ، والضغط التأكسدي العالي ، والالتهاب (25). لذلك ، فإن الهدف الحاسم في هذا المجال من البحث هو تحديد آليات جزيئية خلوية معينة تؤدي إلى هذه السمات اللويحية ومن ثم ، مع هذه المعرفة ، وضع استراتيجيات لمنع هذه العمليات علاجيًا بطريقة فعالة وآمنة. على الرغم من أن الاستجابة الالتهابية الأولية نفسها هي عملية مهمة في تطور الترسبات ، فإن تثبيط هذه الاستجابة بشكل مباشر في بيئة مزمنة ، على سبيل المثال ، من خلال العلاج المضاد للسيتوكين ، يعرض للخطر دفاع المضيف. من ناحية أخرى ، يحدد حل الالتهاب المعيب بدقة خصائص اللويحة الضعيفة ، وهو قابل للنهج العلاجي - الإدارة المستهدفة لوسطاء الحل - الذي يُتوقع ألا يؤثر على دفاع المضيف (7, 8, 16).

استخدمت التجارب هنا نموذجًا حيوانيًا واحدًا لتصلب الشرايين المتقدم واختبرت NP المستهدفة لإثبات صحة المفهوم بنوع واحد من الوسيط المسبق. لإحضار العلاجات النانوية ذات الدقة المستهدفة إلى العيادة للمرضى المعرضين لخطر كبير لأحداث الأوعية الدموية التخثرية ، ستكون هناك حاجة لدراسات تأكيدية إضافية ، بما في ذلك التقييم في نماذج أكثر تنبؤية ، مثل الخنازير التي تتغذى على الدهون والرئيسيات غير البشرية. من المعقول أن تكون خصائص NPs بما في ذلك العامل المسبق النشط بحاجة إلى التحسين للتطبيقات السريرية المناسبة (47). على الرغم من أن Ac2-26 قد قدم نهجًا مفيدًا لإثبات المبدأ ، إلا أن الأنواع الأخرى من وسطاء الدقة ، بما في ذلك الاختلافات في ببتيد Ac2-26 نفسه ، قد تكون أكثر فاعلية في تعزيز دقة اللوحة. أخيرًا ، ستكون هناك حاجة إلى دراسات سمية مفصلة لإظهار سلامة كل من مادة NP وشحنة وسيط الاستبانة. مع وضع هذه الأهداف المستقبلية في الاعتبار ، من المشجع أن نلاحظ أن علاجات NP هي الآن قيد الاستخدام السريري أو قيد التحقيق السريري لعدد لا يحصى من الحالات الأخرى بما في ذلك السرطانات (48)، اللقاحات (49) والتصوير (50). وبالتالي ، فإن استراتيجيتنا الواقية من تصلب الشرايين التي تستفيد من استهداف البلاك لتقديم وسيط مسامي قد تبشر بتقليل حدوث أحداث الشريان التاجي الحادة في الأشخاص المعرضين لخطر كبير للإصابة بأمراض التخثر العصيدي.


ملحوظات

(2014) المؤتمر الدولي الثاني والعشرون ICPR حول التعرف على الأنماط. http://mitos-atypia-14.grand-challenge.org/home/

Al-Kadi OS (2009) تقنية تحليل حزم المويجات المثلى القائمة على البعد الكسري لتصنيف أورام الدماغ السحائية. في: المؤتمر الدولي السادس عشر IEEE حول معالجة الصور. IEEE ، القاهرة ، مصر ، ص 4177 - 4180

Al-Kofahi Y، Lassoued W، Lee W، Roysam B (2010) تحسين الكشف التلقائي وتجزئة نوى الخلية في صور التشريح المرضي. IEEE Trans Biomed Eng 57 (4): 841-852

Ali S ، Madabhushi A (2011) كفاف نشط لتحليل التداخل باستخدام التهيئة القائمة على مستجمعات المياه (acorew): تطبيقات في علم التشريح المرضي. في: ندوة IEEE الدولية الثامنة حول التصوير الطبي الحيوي: من النانو إلى الماكرو. IEEE ، شيكاغو ، الولايات المتحدة الأمريكية ، الصفحات من 614 إلى 617

Ali S ، Madabhushi A (2012) منطقة متكاملة ، حد ، كفاف نشط قائم على الشكل لدقة تداخل كائنات متعددة في الصور النسيجية. IEEE Trans Med Imaging 31 (7): 1448-1460

Ali S ، Veltri R ، Epstein JI ، Christudass C ، Madabhushi A (2015) استدعاء انتقائي لمسابقات الشكل للتجزئة المشوهة والتصنيف المورفولوجي للمصفوفات الدقيقة لأنسجة سرطان البروستاتا. Comput Med Imaging Gr 41: 3-13 التعلم الآلي في التصوير الطبي

Arif M، Rajpoot N (2007a) تصنيف النوى المحتملة في صور أنسجة البروستاتا باستخدام التعلم متعدد الأشكال. في: المؤتمر الدولي للرؤية الآلية ، ص 113 - 118

Arif M، Rajpoot N (2007b) الكشف عن النوى عن طريق التعلم غير الخاضع للرقابة. في: الحادي عشر لفهم وتحليل الصور الطبية ، أبيريستويث ، ويلز

Arivazhagan S، Ganesan L (2003) تجزئة الملمس باستخدام تحويل المويجات. التعرف على الأنماط 24 (16): 3197-3203

Babu MN ، Madasu VK ، Hanmandlu M ، Vasikarla S (2010) تحليل الصورة المرضية للنسيج باستخدام os-fcm ومجموعات المستويات. في: ورشة عمل IEEE التاسعة والثلاثين للتعرف على أنماط الصور التطبيقية ، الصفحات من 1 إلى 8

Baish JW ، Jain RK (2000) النمطي هندسي متكرر والسرطان. الدقة السرطان 60 (14): 3683-3688

Baker SG (2003) الدور المركزي لمنحنيات خاصية تشغيل المستقبل (roc) في تقييم اختبارات الكشف المبكر عن السرطان. J Natl Cancer Inst 95 (7): 511-515

Basavanhally A ، Xu J ، Madabhushi A ، Ganesan S (2009) التشخيص بمساعدة الكمبيوتر لتشخيص أمراض الأنسجة لسرطان الثدي er + وربط نتائج البقاء على قيد الحياة بمقايسة oncotype dx. في: ندوة IEEE الدولية حول التصوير الطبي الحيوي: من النانو إلى الماكرو ، ص 851-854

Basavanhally AN ، Ganesan S ، Agner S ، Monaco JP ، Feldman MD ، Tomaszewski JE ، Bhanot G ، Madabhushi A (2010) الكشف المحوسب القائم على الصور وتصنيف التسلل اللمفاوي في التشريح المرضي لسرطان الثدي. IEEE Trans Biomed Eng 57 (3): 642-653

Beevi S، Nair MS، R BG (2014) التقسيم التلقائي وتصنيف نوى الخلايا الانقسامية في صور التشريح المرضي بناءً على نموذج الكنتور النشط. في: المؤتمر الدولي حول الحوسبة والمعلوماتية المعاصرة ، ص 740-744

Belhomme P، Toralba S، Plancoulaine B، Oger M، Gurcan MN، Gurcan MN، Bor-Angelier C (2015) تقييم عدم التجانس لأقسام الأنسجة النسيجية في صور الشرائح بأكملها. Comput Med Imaging Gr 42: 51-55 تقنيات اختراق في علم الأمراض الرقمي

Belkacem-Boussaid K، Sertel O، Lozanski G، Shana'ah A، Gurcan M (2009) استخراج ميزات اللون في المجال الطيفي للتعرف على الخلايا المركزية في علم الأنسجة. في: المؤتمر الدولي السنوي لهندسة IEEE في جمعية الطب والأحياء ، ص 3685 - 3688

بنجيو واي ، كورفيل أ ، فنسنت بي (2013) تعلم التمثيل: مراجعة ووجهات نظر جديدة. IEEE Trans Pattern Anal Mach Intell 35 (8): 1798-1828. دوى: 10.1109 / TPAMI.2013.50

Bilgin C، Demir C، Nagi C، Yener B (2007) تعدين الرسم البياني الخلوي لنمذجة أنسجة الثدي وتصنيفها. في: المؤتمر الدولي السنوي التاسع والعشرون لـ IEEE ، ص 5311-5314

Bottou L ، Lin CJ (2007) يدعم حلول آلة مكافحة ناقلات. آلات نواة واسعة النطاق. مطبعة معهد ماساتشوستس للتكنولوجيا ، كامبريدج

Boucheron LE، Manjunath BS، Harvey NR (2010) استخدام نوى مجزأة بشكل غير كامل في تصنيف صور التشريح المرضي لسرطان الثدي. في: المؤتمر الدولي IEEE حول الصوتيات الكلام ومعالجة الإشارات ، ص 666-669

Brown HS (2002) Hematoxylin & amp eosin (وصمة عار روتينية). شركة سيجما الدريتش ، سانت لويس

Caselles V ، Kimmel R ، Sapiro G (1997) الخطوط الجيوديسية النشطة. Int J Comput Vis 22 (1): 61-79

Chang T، Kuo CCJ (1993) تحليل النسيج والتصنيف باستخدام تحويل المويجات ذو الهيكل الشجري. IEEE Trans Image Process 2 (4): 429-441

Cheikh BB، Bertheau P، Racoceanu D (2015) النهج الأولي لاكتشاف القبو في مرض التهاب الأمعاء. في: RITS ، ص 138 - 139

Chekkoury A، Khurd P، Ni J، Bahlmann C، Kamen A، Patel A، Grady L، Singh M، Groher M، Navab N، Krupinski E، Johnson J، Graham A، Weinstein R (2012) الصور. في: التصوير الطبي 2012: التشخيص بمساعدة الكمبيوتر ، سان دييغو ، كاليفورنيا ، المجلد 8315: 831505

Chen C ، Ozolek JA ، Wang W ، Rohde GK (2011) نظام تصنيف بالبكسل لتقسيم الصور الطبية الحيوية باستخدام أحياء الكثافة وتقليل الأبعاد. في: ندوة IEEE الدولية حول التصوير الطبي الحيوي: من النانو إلى الماكرو ، ص 1649-1652

Chen C ، Wang W ، Ozolek JA ، Rohde GK (2013) نهج مرن وقوي لتجزئة نوى الخلية من صور مجهرية ثنائية الأبعاد باستخدام التعلم الخاضع للإشراف ومطابقة القالب. J Int Soc Adv Cytom A 83 (5): 495-507

Cheng Y (1995) متوسط ​​التحول والبحث عن الوضع والتكتل. IEEE Trans Pattern Anal Mach Intell 7 (8): 790-799

Ciresan D ، Giusti A ، Gambardella L (2013) اكتشاف الانقسام الخيطي في صور أنسجة سرطان الثدي مع الشبكات العصبية العميقة. في: Mori K، Sakuma I، Sato Y، Barillot C، Navab N (eds) حوسبة الصور الطبية والتدخل بمساعدة الكمبيوتر MICCAI. ، ملاحظات محاضرة في علوم الكمبيوتر سبرينغر ، برلين ، ص 411-418

Comaniciu D ، Meer P (2002) متوسط ​​التحول: نهج قوي تجاه تحليل مساحة الميزة. IEEE Trans Pattern Anal Mach Intell 24 (5): 603-619

المسابقة الأولى (2012) الكشف عن الانقسام الخيطي من الصور النسيجية لسرطان الثدي ، مسابقة ICPR 2012. http://ipal.cnrs.fr/ICPR2012/؟q=node/5

Cruz-Roa A، Arévalo J، Madabhushi A، González F (2013) بنية التعلم العميق لتمثيل الصور والتفسير البصري والكشف الآلي عن سرطان الخلايا القاعدية. في: Mori K، Sakuma I، Sato Y، Barillot C، Navab N (محرران) حوسبة الصور الطبية والتدخل بمساعدة الكمبيوتر MICCAI 2013 ، المجلد 8150. ، ملاحظات محاضرة في علوم الكمبيوتر سبرينغر ، برلين هايدلبرغ ، ص 403-410

Cruz-Roa A، Arévalo J، Basavanhally A، Madabhushi A، González F (2015) تقييم مقارن لنهج التعلم بالتمثيل الخاضع للإشراف وغير الخاضع للإشراف لتمايز الورم الأرومي النخاعي الكشمي. In: SPIE Medical Imaging، vol 9287. p 92870G

Dai SK ، Wu YC ، Jan YJ ، Lin SC (2009) التصنيف النسيجي لـ hcc باستخدام صور الانصهار. في: المؤتمر الدولي IEEE حول الذكاء الحسابي لأنظمة القياس وتطبيقاته ، ص 186 - 189

Dalle JR ، Leow WK ، Racoceanu D ، Tutac AE ، Putti TC (2008) التصنيف التلقائي لسرطان الثدي للصور النسيجية المرضية. في: المؤتمر الدولي السنوي الثلاثين IEEE EMBS فانكوفر. كولومبيا البريطانية ، كندا ، ص 3052-3055

Daskalakis A، Kostopoulos S، Spyridonos P، Glotsos D، Ravazoula P، Kardari M، Kalatzis I، Cavouras D، Nikiforidis G (2008) تصميم نظام مصنف متعدد للتمييز بين العقيدات الدرقية الحميدة والخبيثة باستخدام الصور الخلوية الملطخة بشكل روتيني h و ampe . كمبيوت بيول ميد 38 (2): 196-203

Datar M ، Padfield D ، Cline H (2008) تجزئة على أساس اللون والملمس لصور علم الأمراض الجزيئية باستخدام hsoms. في: الندوة الدولية الخامسة IEEE حول التصوير الطبي الحيوي: من النانو إلى الماكرو ، ص 292-295

Demir C، Yener B (2005) التشخيص الآلي للسرطان بناءً على صور التشريح المرضي: مسح منهجي. تقرير تقني ، قسم علوم الحاسوب ، معهد Rensselaer Polytechnic ، الولايات المتحدة الأمريكية

Demir C ، Gultekin SH ، Yener B (2005) تعلم الخصائص الطوبولوجية لأورام الدماغ. IEEE / ACM Trans Comput Biol Bioinform 2 (4): 262-270

Diamond J ، Anderson NH ، Bartels PH ، Montironi R ، Hamilton PW (2004) استخدام الخصائص المورفولوجية وتحليل النسيج في تحديد تكوين الأنسجة في أورام البروستاتا. هيومان باثول 35 (9): 1121-1131

Dong F، Irshad H، Oh EY، Lerwill M، Brachtel E، Jones NC، Knoblauch NW، MontaserKouhsari L، Johnson NB، Rao LKF، Faulkner-Jones B، Wilbur DC، Schnitt SJ، Beck AH (2014) حميدة من التكاثر الخبيث داخل الثدي. بلوس واحد 9 (12): e114885. دوى: 10.1371 / journal.pone.0114885

Doyle S، Madabhushi A، Feldman MD، Tomaszeweski JE (2006) سلسلة معززة للكشف الآلي عن سرطان البروستاتا من الأنسجة الرقمية. في: المؤتمر الدولي التاسع حول حوسبة الصور الطبية والتدخل بمساعدة الكمبيوتر - MICCAI 2006 ، كوبنهاغن ، الدنمارك ، 1-6 أكتوبر ، 2006 ، الإجراءات ، الجزء الثاني ، سبرينغر ، ملاحظات محاضرة في علوم الكمبيوتر ، المجلد 4191 ، ص 504-511

Dundar MM ، Badve S ، Raykar VC ، Jain RK ، Sertel O ، Gurcan MN (2010) نهج تعليمي متعدد الحالات نحو التصنيف الأمثل لشرائح علم الأمراض. في: المؤتمر الدولي العشرون للتعرف على الأنماط ، الصفحات 2732-2735

Dundar MM ، Badve S ، Bilgin G ، Raykar V ، Jain R ، Sertel O ، Gurcan MN (2011) التصنيف المحوسب لآفات الثدي داخل القناة باستخدام الصور النسيجية المرضية. IEEE Trans Biomed Eng 58 (7): 1977-1984

Esgiar AN ، Chakravorty PK (2007) التصنيف المستند إلى الفركتل لصور أنسجة سرطان القولون. في: الندوة الدولية التاسعة حول معالجة الإشارات وتطبيقاتها ، ص 1-4

Fatakdawala H، Xu J، Basavanhally A، Bhanot G، Ganesan S، Feldman M، Tomaszewski JE، Madabhushi A (2010) كفاف جيوديسي نشط مدفوع بالتوقع مع دقة متداخلة (emagacor): تطبيق لتجزئة الخلايا الليمفاوية على التشريح المرضي لسرطان الثدي. IEEE Trans Biomed Eng 57 (7): 1676–1689

Fernández-Carrobles MM، Bueno G، Déniz O، Salido J، García-Rojo M، Gonzández-López L (2015) منسوجات الألوان المتكررة مقابل المكانية لتصنيف TMA للثدي. Comput Med Imaging Gr 42: 25–37 تقنيات اختراق في علم الأمراض الرقمي

Fuchs TJ ، Buhmann JM (2011) علم الأمراض الحسابي: التحديات والوعود لتحليل الأنسجة. Comput Med Imaging Gr 35: 515-530

Fujita H و Uchiyama Y و Nakagawa T و Fukuoka D و Hatanaka Y و Hara T و Lee GN و Hayashi Y و Ikedo Y و Gao X و Zhou X (2008) التشخيص بمساعدة الكمبيوتر: ظهور ثلاثة أنظمة cad بفعل الصحة اليابانية احتياجات الرعاية. طرق الحساب Progr Biomed 92 (3): 238-248

Gelasca ED ، Obara B ، Fedorov DG ، Kvilekval K ، Manjunath BS (2009) معيار التقسيم الحيوي لتقييم طرق تحليل الصورة الحيوية. المعلوماتية الحيوية 10: 1-12

George LE، Sager KH (2007) تشخيص سرطان الثدي باستخدام أطياف الأبعاد متعددة الفركتلات. في: المؤتمر الدولي IEEE حول معالجة الإشارات والاتصالات ، ص 592-595

Glotsos D ، و Kalatzis I ، و Spyridonos P ، و Kostopoulos S ، و Daskalakis A ، و Athanasiadis E ، و Ravazoula P ، و Nikiforidis G ، و Cavouras D (2008) تحسين الدقة في تصنيف الأورام النجمية من خلال دمج أداة تصنيف قوية لآلة متجه الدعم في رسم خرائط المربعات الصغرى في مستويين مخطط تصنيف الدرجات. طرق الكمبيوتر Progr Biomed 90 (3): 251-261

GLoukas C، Linney A (2004) مسح على التقييم القائم على تحليل الصور النسيجي لثلاثة عوامل بيولوجية رئيسية تؤثر على العلاج الإشعاعي: الانتشار ونقص الأكسجة والأوعية الدموية. طرق الحساب Progr Biomed 74 (3): 183-199

Gonzalez RC، Woods RE (2008) معالجة الصور الرقمية. تعليم بيرسون ، نهر السرج العلوي

Gopinath B، Gupta BR (2010) تصنيف يعتمد على تصويت الأغلبية لسرطان الغدة الدرقية. Procedia Comput Sci 2: 265-271

Grady L (2005) تجزئة صورة مشاية عشوائية متعددة العلامات باستخدام النماذج السابقة. في: مؤتمر مجتمع الكمبيوتر IEEE حول رؤية الكمبيوتر والتعرف على الأنماط ، ص 763-770

Grady L (2006) يمشي عشوائيًا لتجزئة الصورة. IEEE Trans Pattern Anal Mach Intell 28 (11): 1768-1783

Gurcan M ، Boucheron L ، Can A ، Madabhushi A ، Rajpoot N ، Yener B (2009) تحليل الصور النسيجية المرضية: مراجعة. IEEE Rev Biomed Eng 2: 147–171

هان جي ، كامبر إم (2006) مفاهيم وتقنيات استخراج البيانات. إلسفير ، أمستردام

Han J ، Chang H ، Loss L ، Zhang K ، Baehner FL ، Gray JW ، Spellman P ، Parvin B (2011) مقارنة بين طرق الترميز المتناثرة والنواة لتصنيف الأنسجة من الورم الأرومي الدبقي متعدد الأشكال. في: ندوة IEEE الدولية حول التصوير الطبي الحيوي: من النانو إلى الماكرو ، ص 711-714

Haralick RM ، Shanmugam K ، Dinstein I (1973) السمات التركيبية لتصنيف الصور. IEEE Trans Syst Man Cybern SMC 3 (6): 610-621

He L، Long LR، Antani S، Thoma GR (2012) تحليل صور الأنسجة للكشف عن السرطان وتصنيفه. طرق الحساب Progr Biomed 107 (3): 538-556

Hipp J و Flotte T و Monaco J و Cheng J و Madabhushi A و Yagi Y و Rodriguez-Canales J و Emmert-Buck M و Dugan MC و Hewitt S و Toner M و Tompkins RG و Lucas D و Gilbertson JR و Balis UJ (2011 تهدف أدوات التشخيص بمساعدة الكمبيوتر إلى تمكين أخصائيي علم الأمراض بدلاً من استبدالهم: الدروس المستفادة من الشطرنج الحسابي. ي باثول إنفور 2 (1): 25

Horstmeyer R ، Ou X ، Zheng G ، Willems P ، Yang C (2015) علم الأمراض الرقمي مع تصوير فورييه. Comput Med Imaging Gr 42: 38-43 تقنيات اختراق في علم الأمراض الرقمي

Irshad H و Jalali S و Roux L و Racoceanu D و Hwee LJ و Naour GL و Capron F (2013a) الكشف التلقائي عن الانقسام باستخدام الملمس وميزات الغربلة ونهج مستوحى من hmax بيولوجيًا. ي باثول إنفور 4 (2): 12

Irshad H ، Roux L ، Racoceanu D (2013b) متعدد القنوات الخصائص الإحصائية والمورفولوجية القائمة على كشف الانقسام في التشريح المرضي لسرطان الثدي. في: المؤتمر الدولي السنوي الخامس والثلاثون لـ IEEE EMBS ، الصفحات 6091-6094

Irshad H، Guaillard A، Roux L، Racoceanu D (2014a) اختيار النطاق متعدد الأطياف والتوصيف المكاني: التطبيق لاكتشاف الانقسام في التشريح المرضي لسرطان الثدي. Comput Med Imaging Gr 38 (5): 390-402

Irshad H، Veillard A، Roux L، Racoceanu D (2014b) طرق الكشف عن النوى ، التجزئة والتصنيف في التشريح المرضي الرقمي: مراجعة - الوضع الحالي والإمكانات المستقبلية. IEEE Rev Biomed Eng 7: 97-114

Jadhav AS ، Banerjee S ، Dutta PK ، Paul RR ، Pal M ، Banerjee P ، Chaudhuri K ، Chatterjee J (2006) التحليل الكمي للسمات النسيجية المرضية للآفة السابقة للتسرطن والحالة باستخدام تقنية معالجة الصور. في: الندوة الدولية التاسعة عشرة IEEE حول النظم الطبية المعتمدة على الحاسوب ، ص 231-236

Jafari-Khouzani K، Soltanian-Zadeh H (2003) تصنيف متعدد الموجات للصور المرضية للبروستاتا. IEEE Trans Biomed Eng 50 (6): 697-704

Jain AK، Zongker D (1997) اختيار الميزات: التقييم والتطبيق وأداء العينة الصغيرة. IEEE Trans Pattern Anal Mach Intell 19 (2): 153-158

Janowczyk A، Chandran S، Singh R، Sasaroli D، Coukos G، Feldman MD، Madabhushi A (2009) التخفيضات الهرمية المعيارية: التقسيم غير الخاضع للإشراف للعلامات الحيوية الوعائية من المصفوفات الدقيقة لأنسجة سرطان المبيض. في: MICCAI-2009، Springer، Lecture Notes in Computer Science، vol 5761، pp 230–238

Jothi AA ، Rajam MA (2014) تجزئة النوى من صور مرض أنسجة الثدي باستخدام عتبة otsus متعددة المستويات. في: L Padma Suresh BKP Subhransu Sekhar Dash (محرر) الذكاء الاصطناعي والخوارزميات التطورية في الأنظمة الهندسية ، Springer ، Advances in Intelligent and Soft Computing ، المجلد 325 ، ص 835-843

Kandemir M، Hamprecht FA (2015) التشخيص بمساعدة الكمبيوتر من الإشراف الضعيف: دراسة قياس الأداء. Comput Med Imaging Gr 42: 44-50 تقنيات اختراق في علم الأمراض الرقمي

Kass M ، Witkin A ، Terzopoulos D (1988) الثعابين: نماذج محيطية نشطة. Int J Comput Vis 1 (4): 321 - 331

Khan AM ، El-Daly H ، Rajpoot NM (2012) نموذج خليط غاما غاوسي للكشف عن الخلايا الانقسامية في صور التشريح المرضي لسرطان الثدي. في: المؤتمر الدولي الحادي والعشرون للتعرف على الأنماط ، ص 149-152

Khan AM ، Rajpoot N ، Treanor D ، Magee D (2014) نهج رسم الخرائط غير الخطي لتطبيع اللطخة في صور التشريح المرضي الرقمي باستخدام معاملات فصل الألوان الخاصة بالصورة في الهندسة الطبية الحيوية. IEEE Trans Biomed Eng 61 (6): 1729-1738

Khan AM ، Sirinukunwattana K ، Rajpoot N (2015) ، واصف التغاير العالمي لانمطية نووي يسجل في صور أنسجة الثدي. IEEE J Biomed Health Inform 19: 1637-1647

Khurd P ، Bahlmann C ، Maday P ، Kamen A ، Gibbs-Strauss S ، Genega EM ، Frangioni JV (2010) التصوير بمساعدة الكمبيوتر للصور النسيجية لسرطان البروستاتا باستخدام غابات texton. في: ندوة IEEE الدولية حول التصوير الطبي الحيوي: من النانو إلى الماكرو ، ص 636-639

Khurd P، Grady L، Kamen A، Gibbs-Strauss S، Genega EM، Frangioni JV (2011) ميزات دورة الشبكة: التطبيق بمساعدة الكمبيوتر لتصنيف الصور المرضية لسرطان البروستاتا بمساعدة الكمبيوتر. في: ندوة IEEE الدولية حول التصوير الطبي الحيوي: من النانو إلى الماكرو ، ص 1632-1636

Kong H ، Gurcan M ، Belkacem-Boussaid K (2011a) تقسيم الصور المرضية النسيجية: إطار متكامل لتجزئة نسيج اللون تحت الإشراف وتقسيم الخلية. IEEE Trans Med Imaging 30 (9): 1661–1677

Kong H ، Gurcan M ، Belkacem-Boussaid K (2011b) تقسيم مجموعات الخلايا اللمسية على الصور النسيجية المرضية. في: ندوة IEEE الدولية حول التصوير الطبي الحيوي: من النانو إلى الماكرو ، ص 208-211

Kothari S و Phan JH و Moffitt RA و Stokes TH و Hassberger SE و Chaudry Q و Young AN و Wang MD (2011) في: ندوة IEEE الدولية حول التصوير الطبي الحيوي: من النانو إلى الماكرو ، IEEE ، ص 657-660

Li G ، Sanchez V ، Patel G ، Quenby S ، Rajpoot N (2015) توطين حافة الظهارة اللمعية في صور التشريح المرضي الرقمي لشرائح IHC الملطخة من خزعات بطانة الرحم. Comput Med Imaging Gr 42: 56–64 تقنيات اختراق في علم الأمراض الرقمي

Li X ، Plataniotis KN (2015) نهج تطبيع ألوان كامل لصور التشريح المرضي باستخدام إشارات لونية محسوبة من إحصائيات مرجحة بالتشبع. IEEE Trans Biomed Eng 62 (7): 1862–1873

Loménie N، Racoceanu D (2012) تعيين نقطة الترشيح المورفولوجي ونمذجة التكوين المكاني الدلالي: التطبيق على الصورة المجهرية وتحليل البنية الحيوية. التعرف على الأنماط 45 (8): 2894-2911

Lu C ، Mahmood M ، Jha N ، Mandal M (2012) تقنية تجزئة نوى أوتوماتيكية قوية لتحليل صورة الأنسجة الكمية. الهستول الخلوي الكمي الشرجي 34 (6): 296-308

Luts J ، Ojeda F ، de Plas RV ، Moor BD ، Suykens SVHJA (2010) برنامج تعليمي حول الأساليب المعتمدة على ناقل الحركة لمشاكل التصنيف في القياسات الكيميائية. شرجي Chimica Acta 665 (2): 129-145

Madabhushi A و Basavanhally A و Doyle S و Agner S و Lee G (2010) التشخيص بمساعدة الكمبيوتر: توقع نتائج المريض والمرض عبر تحليل الصور متعدد الوسائط. في: ندوة IEEE الدولية حول التصوير الطبي الحيوي: من النانو إلى الماكرو ، ص 1415-1418

مسعود ك ، راجبوت إن (2009) التصنيف القائم على نسيج عينات خزعة القولون الفائق الطيفي باستخدام clbp. في: ندوة IEEE الدولية حول التصوير الطبي الحيوي: من النانو إلى الماكرو ، ص 1011-1014

مسعود ك ، راجبوت إن ، قريشي إتش ، راجبوت ك (2006) التواجد المشترك والتحليل المورفولوجي لتصنيف خزعة أنسجة القولون. في: ورشة العمل الدولية الرابعة حول حدود تقنية المعلومات

Mete M ، Xu X ، Fan CY ، Shafirstein G (2006) الكشف عن سرطان الرأس والرقبة في شرائح الأنسجة المرضية. في: المؤتمر الدولي السادس IEEE حول التنقيب عن البيانات - ورش العمل

MICCAI (2013) تقييم خوارزميات الكشف عن الانقسام الفتيلي 2013 (AMID13) ، التحدي الكبير MICCAI. http://amida13.isi.uu.nl/

Naik S ، Doyle S ، Agner S ، Madabhushi A ، Feldman M ، Tomaszewski J (2008) تجزئة الغدد والنواة الآلي لتصنيف البروستاتا والتشريح المرضي لسرطان الثدي. في: الندوة الدولية الخامسة IEEE حول التصوير الطبي الحيوي: من النانو إلى الماكرو ، ص 284-287

Nandy K و Gudla PR و Amundsen R و Meaburn KJ و Misteli T و Lockett SJ (2012) التقسيم التلقائي واختيار النوى القائم على التعلم تحت الإشراف في صور الأنسجة السرطانية. J Int Soc Adv Cytom A 81 (9): 743-754

Nateghi R، Danyali H، SadeghHelfroush M، Pour F (2014) الكشف التلقائي عن خلية الانقسام الفتيلي في صور التشريح المرضي لسرطان الثدي باستخدام الخوارزمية الجينية. في: المؤتمر الإيراني الحادي والعشرون للهندسة الطبية الحيوية ، ص 1-6

Nayak N ، Chang H ، Borowsky A ، Spellman P ، Parvin B (2013) تصنيف التشريح المرضي للورم عن طريق التعلم المتناثر. في: الندوة الدولية العاشرة حول التصوير الطبي الحيوي ، ص 410-413

Nguyen K و Jain AK و Allen RL (2010) تجزئة وتصنيف آلي للغدة لتصنيف جليسون لصور أنسجة البروستاتا. في: المؤتمر الدولي حول التعرف على الأنماط ، ص 1497-1500

Nguyen K ، Sabata B ، Jain AK (2012) تصنيف سرطان البروستاتا: تجزئة الغدة والميزات الهيكلية. التعرف على الأنماط 33 (7): 951-961

Pang B ، Zhang Y ، Chen Q ، Gao Z ، Peng Q ، You X (2010) تجزئة نواة الخلية في الصور النسيجية المرضية الملونة باستخدام الشبكات التلافيفية. في: المؤتمر الصيني حول التعرف على الأنماط ، الصفحات 1-5

Park SY ، Sargent D ، ليبرمان R ، Gustafsson U (2011) تحليل الصور الخاص بالمجال للكشف عن أورام عنق الرحم بناءً على الحقول العشوائية المشروطة. IEEE Trans Med Imaging 30 (3): 867-878

Peng H (2008) معلوماتية Bioimage: مجال جديد لبيولوجيا الهندسة. المعلوماتية الحيوية 24 (17): 1827-1836

Perkins S، Lacker K، Theiler J (2003) Grafting: اختيار سريع وتدريجي للميزات من خلال هبوط التدرج في مساحة الوظيفة. J Mach Learn Res 3: 1333–1356

Petushi S ، Katsinis C ، Coward C ، Garcia F ، Tozeren A (2004) التعرف الآلي على الهياكل المجهرية على شرائح الأنسجة. ندوة IEEE الدولية حول التصوير الطبي الحيوي: من النانو إلى الماكرو 1: 424-427

Petushi S ، Garcia FU ، Haber MM ، Katsinis C ، Tozeren A (2006) تكشف الحسابات واسعة النطاق على صور الأنسجة عن معلمات تمايز الدرجة لسرطان الثدي. التصوير BMC Med 6:14

Po-Whei H، Cheng-Hsiung L (2009) التصنيف التلقائي لصور البروستاتا المرضية على أساس التحليل النمطي هندسي متكرر. IEEE Trans Med Imaging 28 (7): 1037-1050

Po-Whei H، Yan-Hao L (2010) تجزئة وتصنيف فعالين لصور خزعة hcc. التعرف على الأنماط 43 (4): 1550-1563

Pudil P ، Novovicova J ، Kittler J (1994) طرق البحث العائمة في اختيار الميزة. التعرف على الأنماط 15: 1119 - 1125

Racoceanu D ، Capron F (2015) نحو تحليل صور عالي المحتوى يحركه الدلالي: إنشاء مثيل تشغيلي لاكتشاف الانقسام في علم الأنسجة الرقمي. Comput Med Imaging Gr 42: 2-15

رحمادواتي ، نجدي جي ، روس إم ، تود سي ، نوراشماواتي إي (2010) تصنيف سرطان عنق الرحم باستخدام صور الأنسجة. في: المؤتمر الدولي الثاني لهندسة الحاسبات وتطبيقاتها ، المجلد الأول ، ص 515-519

Reinhard E، Adhikhmin M، Gooch B، Shirley P (2001) نقل الألوان بين الصور. IEEE Comput Gr Appl 21 (5): 34-41

Roula MA ، Bouridane A ، Kurugollu F (2004) خوارزمية ثعبان تطورية لتجزئة النوى في الصور النسيجية المرضية. عملية صورة Conf Conf Int 1: 127-130

Roullier V ، Ta VT ، Léoray O ، Elmoataz A (2010) تجزئة متعددة الدقة قائمة على الرسم البياني لصور الشرائح الكاملة النسيجية. في: ندوة IEEE الدولية حول التصوير الطبي الحيوي: من النانو إلى الماكرو ، ص 153-156

Roux L و Racoceanu D و Loménie N و Kulikova M و Irshad H و Klossa J و Capron F و Genestie C و Metin N و Gurcan GLN (2013) اكتشاف الانقسام في الصور النسيجية لسرطان الثدي: مسابقة icpr 2012. ي باثول إنفور 4: 8

Ruiz A، Kong J، Ujaldon M، Boyer K، Saltz J، Gurcan M (2008) تجزئة الصورة المرضية للورم الأرومي العصبي باستخدام gpu. في: الندوة الدولية الخامسة IEEE حول التصوير الطبي الحيوي: من النانو إلى الماكرو ، ص 296-299

Seminowich S، Sar A، Yilmaz S، Rangayyan RM (2009) تجزئة المنطقة الفعالة لصور عينات خزعة الكلى. في: المؤتمر الكندي للهندسة الكهربائية وهندسة الحاسبات ، ص 108-111

Seminowich S، Sar A، Yilmaz S، Rangayyan RM (2010) تجزئة نوى الخلية في صور عينات خزعة الكلى. في: المؤتمر الكندي الثالث والعشرون للهندسة الكهربائية وهندسة الحاسبات ، الصفحات 1-4

Sertel O ، Kong J ، Lozanski G ، Shana’ah A ، Catalyurek UV ، Saltz JH ، Gurcan MN (2008) تصنيف الملمس باستخدام تكميم اللون غير الخطي: التطبيق لتحليل الصور النسيجية. في: مؤتمر IEEE الدولي حول الصوتيات ومعالجة الكلام والإشارات ، ص 597-600

Sertel O ، Catalyurek UV ، Shimada H ، Gurcan MN (2009a) التشخيص بمساعدة الكمبيوتر للورم الأرومي العصبي: الكشف عن خلايا الانقسام والخلايا الجذعية في الصور النسيجية الرقمية. في: المؤتمر الدولي السنوي لهندسة IEEE في جمعية الطب والأحياء ، ص 1433-1436

Sertel O ، Kong J ، Catalyurek UV ، Gerard L ، Saltz JH ، Gurcan MN (2009b) تحليل الصور النسيجية المرضية باستخدام التمثيلات الوسيطة القائمة على النموذج والملمس اللوني: تصنيف الأورام اللمفاوية المسامي. نظام عملية الإشارة J 55 (1-3): 169-183

Sertel O ، Catalyurek UV ، Lozanski G ، Shanaah A ، Gurcan MN (2010a) نهج تحليل الصور للكشف عن الخلايا الخبيثة في صور الأنسجة المصبوغة بالورق h و ampe من الأورام اللمفاوية المسامية. في: المؤتمر الدولي العشرون للتعرف على الأنماط ، الصفحات 273-276

Sertel O ، Lozanski G ، Shana'ah A ، Gurcan MN (2010b) الكشف بمساعدة الكمبيوتر عن الخلايا المركزية لتصنيف سرطان الغدد الليمفاوية المسامي باستخدام تجزئة الخلايا القائمة على الاحتمالية التكيفية. IEEE Trans Biomed Eng 57 (10): 2613-2616

Sezgin M، Sankur B (2004) مسح لتقنيات عتبة الصورة وتقييم الأداء الكمي. J التصوير الإلكتروني 13 (1): 146–165

شي جي ، مالك جي (2000) قصات طبيعية وتجزئة للصور. IEEE Trans Pattern Anal Mach Intell 22 (8): 888-905

Sieren JC، Weydert J، Bell A، Young BD، Smith AR، Thiesse J، Namati E، McLennan G (2010) نهج تجزئة آلي لتسليط الضوء على التعقيد النسيجي لسرطان الرئة البشري. أنال بيوميد إنج 38 (12): 3581–3591

Sirinukunwattana K، Khan AM، Rajpoot NM (2015) كلمات الخلية: نمذجة المظهر المرئي للخلايا في صور التشريح المرضي. Comput Med Imaging Gr 42: 16–24 تقنيات اختراق في علم الأمراض الرقمي

Somol P، Pudil P، Novovicova J، Paclik P (1999) طرق البحث التكيفي في تحديد الميزات. التعرف على الأنماط 20 (11-13): 1157-1163

Song Y، Zhang L، Chen S، Ni D، Li B، Zhou Y، Lei B، Wang T (2014) إطار عمل قائم على التعلم العميق للتجزئة الدقيقة للسيتوبلازم العنقي والنواة. في: جمعية الهندسة في الطب والأحياء (EMBC) ، 2014 المؤتمر الدولي السنوي السادس والثلاثون لـ IEEE ، الصفحات 2903-2906

Song Y، Zhang L، Chen S، Ni D، Lei B، Wang T (2015) التجزئة الدقيقة للسيتوبلازم العنقي والأنوية بناءً على شبكة تلافيفية متعددة المقاييس وتقسيم الرسم البياني. معاملات IEEE على الهندسة الطبية الحيوية PP (99): 1–1

Spyridonos P ، Glotsos D ، Cavouras D ، Ravazoula P ، Zolota V ، Nikiforidis G (2002) طريقة التجزئة القائمة على التعرف على الأنماط لنواة الخلية في تحليل قسم الأنسجة. في: المؤتمر الدولي الرابع عشر حول معالجة الإشارات الرقمية ، الصفحات 1121-1124

Sridhar S (2011) معالجة الصور الرقمية. مطبعة جامعة أكسفورد ، أكسفورد

Tabesh A و Teverovskiy M و Pang HY و Kumar VP و Verbel D و Kotsianti A و Saidi O (2007) تشخيص سرطان البروستاتا متعدد السمات وتصنيف الصور النسيجية. IEEE Trans Med Imaging 26 (10): 1366–1378

Tashk A ، Helfroush MS ، Danyali H ، Akbarzadeh-Jahromi M (2013) طريقة الكشف التلقائي عن الانقسام الفتيلي لصور شرائح الأنسجة المرضية لسرطان الثدي بناءً على تصنيف السمات التركيبية الموضوعية والبكسل. في: المؤتمر الخامس لتكنولوجيا المعلومات والمعرفة ، ص 406-410

Tashk A، Helfroush MS، Danyali H، Akbarzadeh-Jahromi M (2014) نظام الكشف عن الانقسام النزلي من صور أنسجة سرطان الثدي بناءً على الميزات المدمجة. في: المؤتمر الإيراني الثاني والعشرون للهندسة الكهربائية ، ص 1924-1927

Tashk A، Helfroush MS، Danyali H، Akbarzadeh-jahromi M (2015) الكشف التلقائي عن الخلايا الانقسامية لسرطان الثدي بناءً على مزيج من السمات الرياضية التركيبية والإحصائية والمبتكرة. نموذج الرياضيات التطبيقية 39 (20): 6165-6182

Tchikindas L ، Sparks R ، Baccon J ، Ellison D ، Judkins AR ، Madabhushi A (2011) تجزئة الورم الأرومي النخاعي العقدي باستخدام جهاز المشي العشوائي والتخفيضات الطبيعية الهرمية. في: المؤتمر السنوي السابع والثلاثون للهندسة الحيوية في شمال شرق IEEE ، الصفحات 1-2

Tomasi C (2004) تقدير كثافة المزيج الغاوسي باستخدام em - درس تعليمي. http://www.cse.psu.edu/

Tosun AB، Gunduz-Demir C (2011) رسم بياني مصفوفات طول التشغيل لتجزئة الصورة النسيجية المرضية. IEEE Trans Med Imaging 30 (3): 721-732

Tosun AB ، Kandemir M ، Sokmensuer C ، Gunduz-Demir C (2009) تحليل النسيج الموجه للكائنات للتجزئة غير الخاضعة للإشراف لصور الخزعة للكشف عن السرطان. التعرف على الأنماط 42 (6): 1104-1112

Veillard A ، Bressan S ، Racoceanu D (2012) إطار قائم على SVM لاستخراج قوي للكائنات من الصور النسيجية المرضية باستخدام اللون والملمس والمقياس والهندسة. في: المؤتمر الدولي الحادي عشر حول التعلم الآلي والتطبيقات ، الصفحات 70-75

Veta M و van Diest PJ و Kornegoor R و Huisman A و Viergever MA و Pluim JPW (2013) بلوس واحد 8 (7): 70221. دوى: 10.1371 / journal.pone.0070221

Veta M ، Pluim JPW ، van Diest PJ ، Viergever MA (2014) تحليل صورة التشريح المرضي لسرطان الثدي: مراجعة. IEEE Trans Biomed Eng 61 (5): 1400-1411

Veta M، van Diesta PJ، Willems SM، Wang H، Madabhushi A، Cruz-Roa A، Gonzalez F، Larsen AB، Vestergaarda JS، Dahl AB، Ciresan DC، Schmidhuber J، Giusti A، Gambardella LM، Tek FB، Walter T ، Wang CW، Kondo S، Matuszewski BJ، Precioso F، Snell V، Kittler J، de Campos TE، Khan AM، Rajpoot NM، Arkoumani E، Lacle MM، Viergever MA، Pluim JP (2015) تقييم الخوارزميات للكشف عن الانقسام في صور تشريح سرطان الثدي. Med Image Anal 20 (1): 237-248

وحيد إس ، موفيت آر إيه ، تشودريل كيو ، يونج إيه إن ، وانج دكتوراه في الطب (2007) التصنيف التشريحي المرضي بمساعدة الكمبيوتر للأنواع الفرعية للسرطان. في: المؤتمر الدولي السابع IEEE حول المعلوماتية الحيوية والهندسة الحيوية ، ص 503-508

Wan T و Liu X و Chen J و Qin Z (2014) السمات الإحصائية المستندة إلى Wavelet للتمييز بين الخلايا الانقسامية وغير الانقسامية في التشريح المرضي لسرطان الثدي. في: 2014 مؤتمر IEEE الدولي حول معالجة الصور (ICIP) ، ص 2290-2294

Wang W، Ozolek JA، Rohde GK (2010) كشف وتصنيف آفات حويصلات الغدة الدرقية بناءً على التركيب النووي من صور التشريح المرضي. J Int Soc Adv Cytom A 77A (5): 485-494

Wang W ، Ozolek JA ، Slepcev D ، Lee AB ، Chen C ، Rohde GK (2011) نهج النقل الأمثل لعلم الأمراض القائم على البنية النووية. IEEE Trans Med Imaging 30 (3): 621-631

Wang Y ، Crookes D ، Eldin OS ، Wang S ، Hamilton P ، Diamond J (2009) المساعدة في تشخيص أورام عنق الرحم داخل الظهارة (سينما). عملية إشارة IEEE J Sel العلوية 3 (1): 112-121

Westin LK (2001) تحليل خصائص تشغيل جهاز الاستقبال (roc). تقييم آثار التمييز بين أنظمة دعم الوصف. تقرير تقني ، قسم علوم الحوسبة ، جامعة أوميا ، السويد

Wittke C ، Mayer J ، Schweiggert F (2007) حول تصنيف سرطان البروستاتا مع طرق من الإحصاء المكاني. IEEE Trans Inform Technol Biomed 11 (4): 406-414

Xu C ، Prince JL (1998) الثعابين والأشكال وتدفق متجه التدرج. IEEE Trans Image Process 7 (3): 359–369

Xu J ، Sparks R ، Janowcyzk A ، Tomaszewski JE ، Feldman MD ، Madabhushi1 A (2010) الكشف عن غدة سرطان البروستاتا عالية الإنتاجية وتقسيمها وتصنيفها من الخزعات الأساسية بالإبرة الرقمية. في: تصوير سرطان البروستاتا ، سبرينغر ، ملاحظات محاضرة في علوم الكمبيوتر ، المجلد 6367 ، ص 77-88

Xu Y و Mo T و Feng Q و Zhong P و Lai M و Chang EIC (2014) التعلم العميق لتمثيل الميزات مع التعلم متعدد الأمثلة لتحليل الصور الطبية. في: مؤتمر IEEE الدولي حول الصوتيات ومعالجة الكلام والإشارات ، ص 1626-1630

Yang L ، Tuzel O ، Meer P ، Foran DJ (2008) التحليل التلقائي للصور لعينات التشريح المرضي باستخدام الرسم البياني للقمة المقعرة. In: Medical Image Computing and Computer-Assisted Intervention، Springer، Lecture Notes in Computer Science، vol 5241، pp 833–841

Zampirolli FDA، Stransky B، Lorena AC، de Melo Paulon FL (2010) تقسيم وتصنيف الصور النسيجية - تطبيق تحليل الرسم البياني وطرق التعلم الآلي. في: مؤتمر SIBGRAPI الثالث والعشرون حول الرسومات والأنماط والصور ، ص 331-338

Zhang M ، Wu T ، Bennett KM (2015) تحديد النقطة الصغيرة في الصور الطبية باستخدام الميزات الإقليمية من النطاق الأمثل. IEEE Trans Biomed Eng 62 (4): 1051-1062

Zhou ZH (2004) التعلم متعدد الحالات: مسح. تقرير تقني ، معمل الذكاء الاصطناعي ، قسم علوم الكمبيوتر وتكنولوجيا أمبير ، جامعة نانجينغ ، نانجينغ ، الصين


شاهد الفيديو: شرح مبسط للفحص الذاتي للكشف المبكر عن سرطان الثدي (كانون الثاني 2023).