Hispanopedia Wiki
Articulo de referencia

Análisis automatizado de imágenes de tejidos

Una muestra histológica teñida, colocada entre un portaobjetos de vidrio y un cubreobjetos, montada en la platina de un microscopio óptico. Vista microscópica de una muestra his...

Hispanopedia WikiContenido en espanolLectura gratuita
Una muestra histológica teñida, colocada entre un portaobjetos de vidrio y un cubreobjetos, montada en la platina de un microscopio óptico.
Vista microscópica de una muestra histológica de tejido pulmonar humano teñida con hematoxilina y eosina .

El análisis automatizado de imágenes de tejidos o análisis de imágenes histopatológicas ( HIMA, por sus siglas en inglés) es un proceso mediante el cual se utiliza equipo de prueba automático controlado por computadora para evaluar muestras de tejido , utilizando cálculos para obtener mediciones cuantitativas a partir de una imagen y así evitar errores subjetivos.

En una aplicación típica, el análisis automatizado de imágenes de tejido podría utilizarse para medir la actividad agregada de las células cancerosas en una biopsia de un tumor canceroso extraído de un paciente. En pacientes con cáncer de mama , por ejemplo, el análisis automatizado de imágenes de tejido podría utilizarse para detectar altos niveles de proteínas que se sabe que están presentes en las formas más agresivas de cáncer de mama.

Aplicaciones

El análisis automatizado de imágenes de tejidos puede reducir significativamente la incertidumbre en la caracterización de tumores en comparación con las evaluaciones realizadas por histólogos , [ 1 ] o mejorar la tasa de predicción de recurrencia de algunos cánceres. [ 2 ] [ 3 ] Al ser un sistema digital, apto para la conexión en red, también facilita los esfuerzos cooperativos entre sitios distantes. [ 4 ] Los sistemas para el análisis automático de muestras de tejido también reducen costos y ahorran tiempo. [ 1 ]

Se utilizan cámaras CCD de alto rendimiento para la adquisición de imágenes digitales. Combinado con microscopios de campo amplio avanzados y diversos algoritmos para la restauración de imágenes , este enfoque puede proporcionar mejores resultados que las técnicas confocales a velocidades comparables y menores costos. [ 5 ]

Procesos

La Administración de Alimentos y Medicamentos de los Estados Unidos clasifica estos sistemas como dispositivos médicos , dentro de la categoría de instrumentación general de equipos de prueba automáticos . [ 6 ]

Los sistemas ATIS tienen siete procesos básicos (preparación de muestras, adquisición de imágenes, análisis de imágenes, informe de resultados, almacenamiento de datos, comunicación en red y autodiagnóstico del sistema) y la realización de estas funciones requiere hardware de alta precisión y software complejo, costoso y bien integrado. [ 7 ]

Preparación

La preparación de la muestra es fundamental para evaluar el tumor en el sistema automatizado. En la primera parte del proceso de preparación, el tejido biopsiado se corta a un tamaño adecuado (normalmente 4 mm), se fija en formalina  tamponada , se deshidrata en etanol -xileno , se incluye en parafina , se corta en secciones finas (normalmente de 4 µm) y se monta en al menos dos portaobjetos con código de barras (uno de control y otro de prueba). A continuación, se retira la parafina del tejido, se rehidrata y se tiñe . Cualquier inconsistencia en estos procedimientos entre casos puede generar incertidumbres en el resultado del análisis. Estas inconsistencias potenciales e irreductibles en los resultados del análisis motivaron el desarrollo de los Sistemas Automatizados de Imagen de Tejidos. 

Adquisición

Se obtienen micrografías digitales de la muestra teñida en el portaobjetos de vidrio. Las imágenes son capturadas por un conjunto de dispositivos de carga acoplada (CCD). [ 8 ]

Análisis

El análisis de imágenes implica algoritmos informáticos complejos que identifican y caracterizan el color, la forma y la cantidad celular de la muestra de tejido mediante tecnología de reconocimiento de patrones de imagen basada en la cuantificación vectorial . Las representaciones vectoriales de los objetos en la imagen, a diferencia de las representaciones de mapa de bits, ofrecen una capacidad de zoom superior. Una vez que la imagen de la muestra se ha adquirido y reside en la memoria de acceso aleatorio del ordenador como una gran matriz de 0 y 1, un programador con conocimientos de arquitectura celular puede desarrollar algoritmos deterministas que se aplican a todo el espacio de memoria para detectar patrones celulares a partir de estructuras y formaciones celulares previamente definidas y conocidas por su relevancia. [ 9 ]

Véase también

Referencias

  1. 1 2 O'Gorman, Lawrence; Sanderson, Arthur C.; Preston, Kendall (septiembre de 1985). "Un sistema para el análisis automatizado de imágenes de tejido hepático: métodos y resultados". IEEE Transactions on Biomedical Engineering . BME-32 (9): 696–706 . doi : 10.1109/TBME.1985.325587 . ISSN 0018-9294 . PMID 4054933. S2CID 30050996 .   
  2. ↑ Teverovskiy, M.; Kumar, V.; Junshui Ma; Kotsianti, A.; Verbel, D.; Tabesh, A.; Ho-Yuen Pang; Vengrenyuk, Y.; Fogarasi, S.; Saidi, O. (2004). "Predicción mejorada de la recurrencia del cáncer de próstata basada en un sistema automatizado de análisis de imágenes de tejido". 2004 2nd IEEE International Symposium on Biomedical Imaging: Macro to Nano (IEEE Cat No. 04EX821) . Vol. 2. pp. 257–260 . CiteSeerX 10.1.1.58.9929 . doi : 10.1109/ISBI.2004.1398523 . ISBN    0-7803-8388-5. S2CID 8724168 . 
  3. ^ Ali Tabesh; Mijaíl Teverovskiy; Ho-Yuen Pang; Vinay P. Kumar; David Verbel; Angeliki Kotsianti; Olivier Saidi (octubre de 2007). "Diagnóstico multifunción del cáncer de próstata y clasificación de Gleason de imágenes histológicas" (PDF) . Transacciones IEEE sobre imágenes médicas . 26 (10): 1366–1378 . doi : 10.1109/TMI.2007.898536 . ISSN 0278-0062 . PMID 17948727 . S2CID 14673541 . Archivado desde el original (PDF) el 27 de julio de 2011 . Consultado el 4 de septiembre de 2010 .   
  4. ↑ Bruce Mccullough; Xiaoyou Ying; Thomas Monticello; Marc Bonnefoi (2004). "Imágenes de microscopía digital y nuevos enfoques en patología toxicológica" . Patología toxicológica . 32 (2): 49– 58. doi : 10.1080/01926230490451734 . PMID 15503664 . 
  5. ↑ Pornchai Phukpattaranont; Pleumjit Boonyaphiphat (2007). Un método automático de recuento celular para una imagen microscópica de tejido de cáncer de mama . Actas de la IFMBE. Vol. 15. págs. 241–244 . doi : 10.1007/978-3-540-68017-8_63 . ISBN   978-3-540-68016-1.
  6. ↑ Stokes, David (25 de noviembre de 2003). Pruebas de sistemas informáticos para el cumplimiento de las normativas de la FDA/MHRA - David Stokes - Google Books . Taylor & Francis. ISBN 9780849321634. Consultado el 12 de julio de 2012 .
  7. ↑ Chen, W.; Foran, DJ (2006). "Analytica Chimica Acta - Avances en la tecnología de microarrays de tejido canceroso: Hacia una mejor comprensión y diagnóstico" . Analytica Chimica Acta . 564 (1): 74– 81. doi : 10.1016/j.aca.2005.11.083 . PMC 2583100. PMID 17723364 .  
  8. ↑ MacDonald, JH; Wells, K.; Reader, AJ; Ott, RJ (febrero de 1997). "Un sistema de imágenes de tejido basado en CCD". Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment . 392 ( 1– 3). Nuclear Instruments and Methods in Physics Research: 220– 226. Bibcode : 1997NIMPA.392..220M . doi : 10.1016/S0168-9002(97)00297-0 .
  9. ↑ Han, JW; Breckon, TP; Randell, DA; Landini, G. (2012). "La aplicación de la clasificación mediante máquinas de vectores de soporte para detectar núcleos celulares en microscopía automatizada". Machine Vision and Applications . 23 (1). Springer: 15– 24. doi : 10.1007/s00138-010-0275-y . S2CID 12446454 . 
  • Logotipo de Wikimedia CommonsContenido multimedia relacionado con el análisis automatizado de imágenes de tejidos en Wikimedia Commons.
Análisis automatizado de imágenes de tejidos | Hispanopedia Wiki