通过数字化图像分析进行二心染色体检测的LBDNet实验室间比较,采用加权可靠的统计方法

科学领域:

• 辐射科学 辐射科学
• 生物医学成像技术 生物医学成像技术
• 细胞遗传学 细胞遗传学

背景情况:

• 实验室间比较对于验证生物测量技术至关重要.
• 数字图像分析为染色体异常评分提供了标准化的方法.
• 实验室之间不均的专业知识可能会影响剂量评估的准确性.

研究的目的:

• 评估拉丁美洲生物测量网络 (LBDNet) 在分析数字化双中心染色体图像方面的表现.
• 评估加权强大的算法在标准化剂量估计在不同专业知识的实验室中的有效性.
• 为了比较使用个人与常见校准曲线的剂量估计.

主要方法:

• 来自照射血液样本 (1.5 Gy和4 Gy) 和对照 (0 Gy) 的二心染色体的数字化图像由LBDNet实验室分析.
• 实验室使用自己的或共同的校准曲线进行分类评分,常规评分和剂量估计.
• 使用权重强大的汉佩尔算法和z-score分析来解释实验室间的专业知识差异.

主要成果:

• 剂量估计显示出变化,一些实验室在使用自己的校准曲线时,在较低剂量下表现不满意.
• 所有剂量都在4 Gy. 时令人满意.
• 权重算法减少了非辐射样本剂量估计的偏差,一个共同的校准曲线减少了剂量估计的标准偏差.

结论:

• 使用数字化图像进行实验室间比较至关重要,即使对于未经辐射的样本也是如此.
• 在实验室专业知识不同时,权衡的强大算法对于实现精确的生物对称结果至关重要.
• 标准化的数字图像分析和强大的统计方法提高了生物对称网络的可靠性.