Preview

Информатика

Расширенный поиск

КАРТИРОВАНИЕ ХАРАКТЕРИСТИК СВЕРХБОЛЬШИХ ГИСТОЛОГИЧЕСКИХ ИЗОБРАЖЕНИЙ РАКОВОЙ ТКАНИ

Полный текст:

Аннотация

Предлагается метод цифровой обработки гистологических изображений сверхбольшого размера
порядка 100 000×100 000 пикселов. Приводится способ построения карт распределения различных параметров по изучаемому образцу ткани. Получаемые карты пригодны как для количественного, так и для визуального анализа специалистами-патологами. Проводится корреляционный анализ между вычисленными параметрами изображений опухолевых тканей и клиническими данными по пациентам.

Об авторах

В. А. Ковалев
Объединенный институт проблем информатики НАН Беларуси
Россия


В. А. Левчук
Объединенный институт проблем информатики НАН Беларуси
Беларусь


Список литературы

1. Schwab, M. Encyclopedia of Cancer. 2 ed. / M. Schwab. – Heidelberg : Springer, 2009. – 3235 p.

2. Hayat, M. Methods of Cancer Diagnosis, Therapy and Prognosis / M. Hayat. – Heidelberg :

3. Springer, 2009–2010. – 2600 p.

4. Wootton, R. Image Analysis in Histology: Conventional and Confocal Microscopy /

5. R. Wootton, D. Springall, J. Polak. – Cambridge : Cambridge University Press, 1995. – 425 p.

6. Histopathological image analysis: A review / M.N. Gurcan [et al.] // IEEE Reviews in Biomedical Engineering. – 2009. – Vol. 1. – P. 147–171.

7. Histopathological image analysis using model-based intermediate representations and color texture: Follicular lymphoma grading / O. Sertel [et al.] // Journal of Signal Processing Systems. – 2009. – Vol. 55, № 1. – P. 169–183.

8. Yu, F. Semantic content analysis and annotation of histological images / F. Yu, H. Ip // Computers in Biology and Medicine. – 2008. – Vol. 38. – P. 635–649.

9. Critical comparison of 31 commercially available digital slide systems in pathology /

10. M.G. Rojo [et al.] // International Journal of Surgical Pathology. – 2006. – Vol. 14. – P. 285–305.

11. A computer image analysis system for microvessel density measurement in solid tumours / J.C. Goddard [et al.] // Angiogenesis. – 2002. – Vol. 5. – P. 15–20.

12. Merritt, W.M. Markers of angiogenesis in ovarian cancer / W.M. Merritt, A.K. Sood // Dis

13. Markers. – 2007. – Vol. 23.– P. 5–6.

14. Large-scale computations on histology images reveal grade-differentiating parameters for breast cancer / S. Petushi [et al.] // BMC Medical Imaging. – 2006. – Vol. 6. – P. 6–14.

15. An Imaging Workflow for Characterizing Phenotypical Change in Terabyte Sized Mouse

16. Model Datasets / K. Mosaliganti [et al.] // Journal of Biomedical Informatics. – 2008. – Vol. 41. – P. 863–873.

17. Interactive Histology of Large-Scale Biomedical Image Stacks / Jeong Won-Ki [et al.] //

18. IEEE Transactions on Visualization and Computer Graphics. – 2010. – Vol. 16, № 6. – P. 1386–1395.

19. Goffe, R. Tiled Top-Down Pyramids and Segmentation of Large Histological Images /

20. R. Goffe, L. Brun, G. Damiand // Lecture Notes in Computer Science. – Springer, 2011. – Vol. 6658. – P. 255–264.


Для цитирования:


Ковалев В.А., Левчук В.А. КАРТИРОВАНИЕ ХАРАКТЕРИСТИК СВЕРХБОЛЬШИХ ГИСТОЛОГИЧЕСКИХ ИЗОБРАЖЕНИЙ РАКОВОЙ ТКАНИ. Информатика. 2012;(1(33)):12-17.

For citation:


., . . Informatics. 2012;(1(33)):12-17. (In Russ.)

Просмотров: 79


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1816-0301 (Print)
ISSN 2617-6963 (Online)