伪光谱角度映射用于高度多重化组织图像数据的自动化像素级分析

科学领域:

• 计算病理学计算病理学
• 空间生物学 空间生物学
• 生物医学成像分析分析

背景情况:

• 高多倍显微镜使得在现场组织分析的疾病洞察力.
• 需要新兴的计算方法来对高内容,高复杂的成像数据进行强有力的分析.
• 现有的细胞分类模型对于各种蛋白质面板缺乏通用性.

研究的目的:

• 为了适应光谱角度映射用于高复合性免疫光成像分析.
• 为细胞和组织分析开发一种可通用的计算工具.
• 解决需要在高复合成像中对细胞组成部分和流体进行强有力的评估的需求.

主要方法:

• 适应光谱角度映射 (SAM) 变成伪光谱角度映射 (pSAM).
• pSAM 压缩了高复合图像的通道维度.
• pSAM根据细胞分类的参考伪光谱为像素分配相似度分数.

主要成果:

• pSAM类地图揭示了通过参考伪光谱定义的细胞类型的流行率.
• 应用于结肠活检,pSAM结合实例细分预测了细胞类.
• 从43个标记物小组中,pSAM在脏活检中确定了多种细胞类型.

结论:

• pSAM提供了一种强大而可通用的方法来分析高复合性免疫光图像.
• 该工具有助于在复杂的组织微环境中评估细胞和树皮组成部分.
• 通过先进的成像分析,pSAM增强了对人类疾病的空间特征的研究.