一种可靠的方法,用于无监督的评分免疫组织化学染色

科学领域:

• 生物医学成像分析分析
• 计算病理学计算病理学
• 生物标志物的量化和量化.

背景情况:

• 免疫组织化学 (IHC) 在研究和临床中对蛋白质表达分析至关重要.
• 量化IHC图像特征,特别是在复杂的瘤组织中,是具有挑战性的.
• 之前的方法,如用于IHC图像分析的非负矩阵分解 (NMF),显示出有希望的结果,但具有参数和初始化依赖性.

研究的目的:

• 开发一种更简单,更强大,自动化和无监督的方法来评分免疫组织化学图像.
• 克服以前方法的局限性,包括参数灵敏度和依赖参考图像.
• 用明亮场显微镜准确量化瘤组织中感兴趣的蛋白质表达.

主要方法:

• 开发了一种新的自动评分方法,用于瘤组织的明亮场免疫组织化学图像.
• 用主要成分分析 (PCA) 取代非负矩阵分解 (NMF),以进行颜色分离和尺寸缩小.
• 使用PCA衍生子空间中的点密度峰值确定颜色向量.
• 实施了一个不需要参考图像的新评分阶段,提高了稳定性.

主要成果:

• 这种新方法有效地在IHC图像中分离蓝色 (核) 和棕色 (感兴趣的蛋白质) 斑点.
• 主要组件分析 (PCA) 通过维度减小成功确定了颜色子空间.
• 与专家手动评分相比,自动评分显示出有希望和一致的结果.
• 与基于NMF的方法相比,该方法对参数和初始化依赖性较低.

结论:

• 拟议的自动化方法为免疫组织化学图像评分提供了更简单,更强大的方法.
• 基于PCA的技术消除了对NMF和控制图像的需求,提高了效率.
• 这种自动评分方法有可能在临床和研究环境中对蛋白质表达进行一致和可靠的量化.