GemIdent - GemIdent

Logo GemIdent

GemIdent je interaktivní rozpoznávání obrazu program, který identifikuje oblasti zájmu na obrázcích a fotografiích. Je speciálně navržen pro obrazy s několika barvami, kde objekty zájmu vypadají podobně s malými obměnami. Například barva segmentace obrazu z:

  • Pomeranče ze stromu
  • Obarvené buňky z mikroskopických obrazů

GemIdent také balí nástroje pro analýzu dat ke zkoumání prostorových vztahů mezi identifikovanými objekty.

Dějiny

GemIdent byl vyvinut v Stanfordská Univerzita Adam Kapelner od června 2006 do ledna 2007 v laboratoři Dr. Petera Lee pod vedením profesorky Susan Holmes.[1] Koncept byl inspirován údaji Kohrt et al.[2] který analyzoval imunitní profily lymfatické uzliny u pacientek s rakovinou prsu. GemIdent proto při identifikaci buněk funguje dobře IHC -obarvená tkáň zobrazená automatizovaně světelná mikroskopie když je dobře definováno barvení jaderného pozadí a membránové / cytoplazmatické barvení. V roce 2008 byl upraven na podporu multispektrální zobrazování techniky.[3]

Metodologie

GemIdent používá učení pod dohledem provádět automatickou identifikaci oblastí zájmu na obrázcích. Uživatel proto musí udělat značné množství práce, nejprve zadat příslušné barvy a poté poukázat na příklady samotných objektů nebo oblastí a také na negativy (tréninková sada tvorba).

Když uživatel klikne na pixel, vygeneruje se mnoho skóre pomocí informací o okolní barvě pomocí Mahalanobis Ring skóre generování atributů (podrobnou expozici naleznete v článku JSS). Tato skóre se poté použijí k sestavení a náhodný les klasifikátor strojového učení, který poté klasifikuje pixely v daném obrázku.

Po klasifikaci může dojít k chybám. Uživatel se může vrátit k tréninku, poukázat na konkrétní chyby a poté reklasifikovat. Tyto iterace školení-klasifikace-rekvalifikace-reklasifikace (považovány za interaktivní posílení ) může mít za následek vysoce přesnou segmentaci.

Nedávné aplikace

V roce 2010 Setiadi et al.[4] analyzoval histologické řezy lymfatických uzlin při pohledu na prostorové hustoty B a T buněk. "Počty buněk nezachycují celou škálu informací zakódovaných v tkáních".

Zdrojový kód

Java zdrojový kód je nyní otevřený zdroj pod GPL2.[5]

Příklady

GemIdent identifikoval pomeranče v oranžovém háji

Surová fotografie (vlevo), překrývající se maska ​​zobrazující výsledky klasifikace pixelů (uprostřed) a nakonec je fotografie označena centroidy objektu zájmu - pomeranči (vpravo)

GemIdent identifikující rakovinné buňky v mikroskopickém obrazu

Surový mikroskopický obraz obarvené lymfatické uzliny (vlevo) ze studie Kohrt,[2] superponovaná maska ​​zobrazující výsledky klasifikace pixelů (uprostřed) a nakonec je obraz označen centroidy objektu zájmu - jádra rakoviny (vpravo)

GemIdent identifikující rakovinné buňky, T-buňky a jádra pozadí v mikroskopickém obrazu

Tento příklad ilustruje schopnost GemIdent najít více fenotypů na stejném obrázku: surový mikroskopický obraz obarvené lymfatické uzliny (vlevo nahoře) ze studie Kohrt,[2] překrývající se maska ​​zobrazující výsledky klasifikace pixelů (vpravo nahoře) a nakonec obrázek označený centroidy objektů zájmu - rakovinová jádra (zelené hvězdy), T-buňky (žluté hvězdy) a nespecifické jádra pozadí (v azurových hvězdách).

Analýza výsledků GemIdent pomocí nástrojů pro analýzu a vizualizaci dat

Rozhraní pro analýzu a vizualizaci dat příkazového řádku v akci analyzující výsledky klasifikace lymfatických uzlin ze studie Kohrt.[2] The histogram zobrazuje distribuci vzdáleností od T-buněk k sousedním rakovinným buňkám. Binární obraz rakovinové membrány je výsledkem klasifikace pouze podle pixelů. Otevřené PDF dokument je automaticky generovaná zpráva o analýze, která obsahuje náhledy celé lymfatické uzliny, počty a chybovost typu I pro všechny fenotypy, jakož i přepis provedených analýz.

Reference

  1. ^ Kapelner, Adam; Peter P. Lee; Susan Holmes (červenec 2007). „Interaktivní statistický systém segmentace a vizualizace obrazu“. Medivis. IEEE Computer Society. 0: 81–86. doi:10.1109 / MEDIVIS.2007.5. ISBN  0-7695-2904-6. Archivovány od originál dne 15. 4. 2013.
  2. ^ A b C d Kohrt, Holbrook E; Navid Nouri; Kent Nowels; Denise Johnson; Susan Holmes; Peter P Lee (září 2005). „Profil imunitních buněk v axilárních lymfatických uzlinách předpovídá přežití bez onemocnění u rakoviny prsu“. PLOS Medicine. 2 (9): e284. doi:10.1371 / journal.pmed.0020284. ISSN  1549-1676. PMC  1198041. PMID  16124834.
  3. ^ Holmes, Susan; Adam Kapelner; Peter P. Lee (15. ledna 2009). „Interaktivní Java statistický systém segmentace obrazu: GemIdent“. Žurnál statistického softwaru. 30 (10): 1–20. ISSN  1548-7660.
  4. ^ Setiadi, Francesca; Nelson C. Ray; Holbrook E. Kohrt; Adam Kapelner; Valeria Carcamo-Cavazos; Edina B. Levic; Sina Yadegarynia; Chris M. van der Loos; Erich J. Schwartz; Susan Holmes; Peter P. Lee (25. srpna 2010). „Kvantitativní, architektonická analýza podmnožin imunitních buněk v lymfatických uzlinách odvádějících nádory od pacientů s rakovinou prsu a zdravých lymfatických uzlin“. PLOS ONE. 5 (8): 1–20. doi:10.1371 / journal.pone.0012420. PMC  2928294. PMID  20811638.
  5. ^ https://github.com/kapelner/GemIdent

externí odkazy