Razvoj programske opreme za digitalno analizo histopatoloških vzorcev uvealnega melanoma

Maruša Jerše, Ana Rebeka Kamšek, Danica Stojanović, Ema Ahačič, Jurij Nastran, Matija Milanič, Jože Pižem
{"title":"Razvoj programske opreme za digitalno analizo histopatoloških vzorcev uvealnega melanoma","authors":"Maruša Jerše, Ana Rebeka Kamšek, Danica Stojanović, Ema Ahačič, Jurij Nastran, Matija Milanič, Jože Pižem","doi":"10.61300/mr6301001","DOIUrl":null,"url":null,"abstract":"IZHODIŠČA. Uvealni melanom je rak, ki se razvije iz melanocitov srednje očesne ovojnice. Diagnozo uvealnega melanoma postavimo na podlagi kliničnega pregleda in UZ-preiskave očesa ter jo potrdimo s histopatološko preiskavo. Z razvojem tehnologije se odpirajo nove možnosti za delo s histopatološkimi preparati. Naša hipoteza je bila, da lahko napišemo program, ki bo samodejno dovolj natančno določil tipe tkiv na sliki, in da ta program lahko vključimo v programsko opremo za delo s slikami preparatov. METODE. Proučevani vzorec je vseboval 16 slik preparatov uvealnega melanoma, ki smo jih naložili na strežnik odprtega mikroskopskega okolja (angl. Open Microscopy Environment, OMERO). V okolju OMERO smo na slikah ročno označili posamezna tkiva in napisali model za prepoznavo tkiv, ki deluje po principu metod strojnega učenja. Na podlagi slik z ročno označenimi tkivi model pripravi lastne kriterije za razvrščanje tkiv. REZULTATI. Naš rezultat je postavitev programskega okolja za delo z digitaliziranimi slikami preparatov ter model, ki s 85-% točnostjo razvrsti različna tkiva na slikah preparatov. RAZPRAVA. Odpirajo se nove možnosti prikaza slik preparatov, avtomatskega označevanja slik, postavljanje najverjetnejše diagnoze in opredeljevanje napovednih dejavnikov, kar bi lahko nadalje olajšalo delo patologov in izboljšalo zdravljenje bolnikov.","PeriodicalId":85147,"journal":{"name":"Medicinski razgledi","volume":"22 12","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2024-03-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Medicinski razgledi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.61300/mr6301001","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

IZHODIŠČA. Uvealni melanom je rak, ki se razvije iz melanocitov srednje očesne ovojnice. Diagnozo uvealnega melanoma postavimo na podlagi kliničnega pregleda in UZ-preiskave očesa ter jo potrdimo s histopatološko preiskavo. Z razvojem tehnologije se odpirajo nove možnosti za delo s histopatološkimi preparati. Naša hipoteza je bila, da lahko napišemo program, ki bo samodejno dovolj natančno določil tipe tkiv na sliki, in da ta program lahko vključimo v programsko opremo za delo s slikami preparatov. METODE. Proučevani vzorec je vseboval 16 slik preparatov uvealnega melanoma, ki smo jih naložili na strežnik odprtega mikroskopskega okolja (angl. Open Microscopy Environment, OMERO). V okolju OMERO smo na slikah ročno označili posamezna tkiva in napisali model za prepoznavo tkiv, ki deluje po principu metod strojnega učenja. Na podlagi slik z ročno označenimi tkivi model pripravi lastne kriterije za razvrščanje tkiv. REZULTATI. Naš rezultat je postavitev programskega okolja za delo z digitaliziranimi slikami preparatov ter model, ki s 85-% točnostjo razvrsti različna tkiva na slikah preparatov. RAZPRAVA. Odpirajo se nove možnosti prikaza slik preparatov, avtomatskega označevanja slik, postavljanje najverjetnejše diagnoze in opredeljevanje napovednih dejavnikov, kar bi lahko nadalje olajšalo delo patologov in izboljšalo zdravljenje bolnikov.
开发葡萄膜黑色素瘤样本数字组织病理学分析软件
背景:葡萄膜黑色素瘤是一种由眼睑中央黑色素细胞发展而成的癌症。葡萄膜黑色素瘤的诊断是通过临床检查和眼部超声波检查,并经组织病理学检查确诊的。随着技术的发展,组织病理切片的工作有了新的可能性。我们的假设是,我们可以编写一个程序,自动确定图像上的组织类型,并具有足够的精确度,而且这个程序可以集成到用于处理玻片的软件中。研究样本包括 16 张葡萄膜黑色素瘤切片图像,这些图像被上传到开放显微镜环境(OMERO)服务器上。 在 OMERO 中,我们手动标注了图像中的各个组织,并根据机器学习方法编写了一个组织识别模型。基于人工标注的组织图像,该模型产生了自己的组织分类标准。结果。我们的成果是一个用于处理数字化玻片图像的软件环境,以及一个能以 85% 的准确率对玻片图像中的不同组织进行分类的模型。讨论。这为显示玻片图像、自动标记图像、做出最可能的诊断和确定预后因素提供了新的可能性,可进一步促进病理学家的工作并改善对病人的治疗。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信