CN1623163A - 自动检测具有与疾病相关的核密度特征和细胞质密度特征的细胞的光学投影成像系统和方法 - Google Patents
自动检测具有与疾病相关的核密度特征和细胞质密度特征的细胞的光学投影成像系统和方法 Download PDFInfo
- Publication number
- CN1623163A CN1623163A CNA038028204A CN03802820A CN1623163A CN 1623163 A CN1623163 A CN 1623163A CN A038028204 A CNA038028204 A CN A038028204A CN 03802820 A CN03802820 A CN 03802820A CN 1623163 A CN1623163 A CN 1623163A
- Authority
- CN
- China
- Prior art keywords
- cell
- dimension
- target
- sample
- cancer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 81
- 230000003287 optical effect Effects 0.000 title claims abstract description 58
- 201000010099 disease Diseases 0.000 title claims description 19
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims description 19
- 230000001086 cytosolic effect Effects 0.000 title abstract description 5
- 238000003384 imaging method Methods 0.000 title description 24
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 25
- 206010058467 Lung neoplasm malignant Diseases 0.000 claims abstract description 9
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 201000005202 lung cancer Diseases 0.000 claims abstract description 9
- 208000020816 lung neoplasm Diseases 0.000 claims abstract description 9
- 210000004369 blood Anatomy 0.000 claims abstract description 3
- 239000008280 blood Substances 0.000 claims abstract description 3
- 201000011510 cancer Diseases 0.000 claims description 25
- CWHJIJJSDGEHNS-MYLFLSLOSA-N Senegenin Chemical compound C1[C@H](O)[C@H](O)[C@@](C)(C(O)=O)[C@@H]2CC[C@@]3(C)C(CC[C@]4(CCC(C[C@H]44)(C)C)C(O)=O)=C4[C@@H](CCl)C[C@@H]3[C@]21C CWHJIJJSDGEHNS-MYLFLSLOSA-N 0.000 claims description 23
- 239000009871 tenuigenin Substances 0.000 claims description 23
- 238000005286 illumination Methods 0.000 claims description 16
- 239000000975 dye Substances 0.000 claims description 14
- 238000003745 diagnosis Methods 0.000 claims description 13
- 201000009030 Carcinoma Diseases 0.000 claims description 10
- 238000009792 diffusion process Methods 0.000 claims description 9
- 206010006187 Breast cancer Diseases 0.000 claims description 6
- 208000026310 Breast neoplasm Diseases 0.000 claims description 6
- 208000019065 cervical carcinoma Diseases 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 206010017993 Gastrointestinal neoplasms Diseases 0.000 claims description 5
- 238000002601 radiography Methods 0.000 claims description 5
- 206010060862 Prostate cancer Diseases 0.000 claims description 4
- 208000000236 Prostatic Neoplasms Diseases 0.000 claims description 4
- 230000002969 morbid Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000002372 labelling Methods 0.000 claims description 2
- 210000004072 lung Anatomy 0.000 claims description 2
- DWCZIOOZPIDHAB-UHFFFAOYSA-L methyl green Chemical compound [Cl-].[Cl-].C1=CC(N(C)C)=CC=C1C(C=1C=CC(=CC=1)[N+](C)(C)C)=C1C=CC(=[N+](C)C)C=C1 DWCZIOOZPIDHAB-UHFFFAOYSA-L 0.000 claims description 2
- 239000002773 nucleotide Substances 0.000 claims description 2
- 125000003729 nucleotide group Chemical group 0.000 claims description 2
- 201000002120 neuroendocrine carcinoma Diseases 0.000 claims 4
- 239000003550 marker Substances 0.000 claims 3
- 230000035800 maturation Effects 0.000 claims 1
- KUUVQVSHGLHAKZ-UHFFFAOYSA-N thionine Chemical compound C=1C=CC=CSC=CC=1 KUUVQVSHGLHAKZ-UHFFFAOYSA-N 0.000 claims 1
- 238000003325 tomography Methods 0.000 abstract description 18
- 206010036790 Productive cough Diseases 0.000 abstract description 2
- 210000003802 sputum Anatomy 0.000 abstract description 2
- 208000024794 sputum Diseases 0.000 abstract description 2
- 238000007790 scraping Methods 0.000 abstract 2
- 206010008342 Cervix carcinoma Diseases 0.000 abstract 1
- 206010033128 Ovarian cancer Diseases 0.000 abstract 1
- 206010061535 Ovarian neoplasm Diseases 0.000 abstract 1
- 208000006105 Uterine Cervical Neoplasms Diseases 0.000 abstract 1
- 201000010881 cervical cancer Diseases 0.000 abstract 1
- 210000004027 cell Anatomy 0.000 description 172
- 239000000523 sample Substances 0.000 description 60
- 239000012634 fragment Substances 0.000 description 27
- 238000004422 calculation algorithm Methods 0.000 description 21
- 108020004414 DNA Proteins 0.000 description 17
- 239000003068 molecular probe Substances 0.000 description 15
- 230000006870 function Effects 0.000 description 13
- 210000004940 nucleus Anatomy 0.000 description 11
- 238000009826 distribution Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 108090000623 proteins and genes Proteins 0.000 description 9
- 239000000758 substrate Substances 0.000 description 9
- 230000005855 radiation Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000005070 sampling Methods 0.000 description 7
- 210000002919 epithelial cell Anatomy 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 210000001519 tissue Anatomy 0.000 description 6
- 102000004169 proteins and genes Human genes 0.000 description 5
- 239000000243 solution Substances 0.000 description 5
- 239000012530 fluid Substances 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 230000002380 cytological effect Effects 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000004907 flux Effects 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 210000000170 cell membrane Anatomy 0.000 description 2
- 239000006285 cell suspension Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 210000000981 epithelium Anatomy 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000000684 flow cytometry Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000003834 intracellular effect Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000000399 optical microscopy Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- XJMOSONTPMZWPB-UHFFFAOYSA-M propidium iodide Chemical compound [I-].[I-].C12=CC(N)=CC=C2C2=CC=C(N)C=C2[N+](CCC[N+](C)(CC)CC)=C1C1=CC=CC=C1 XJMOSONTPMZWPB-UHFFFAOYSA-M 0.000 description 2
- 238000002603 single-photon emission computed tomography Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 210000004881 tumor cell Anatomy 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- -1 Argon ion Chemical class 0.000 description 1
- 239000004908 Emulsion polymer Substances 0.000 description 1
- 241000463219 Epitheca Species 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 108091093105 Nuclear DNA Proteins 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 238000012896 Statistical algorithm Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- XKRFYHLGVUSROY-UHFFFAOYSA-N argon Substances [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 1
- 229910052786 argon Inorganic materials 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013477 bayesian statistics method Methods 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000009087 cell motility Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000009089 cytolysis Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011981 development test Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 238000001493 electron microscopy Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010166 immunofluorescence Methods 0.000 description 1
- 210000004969 inflammatory cell Anatomy 0.000 description 1
- 238000013101 initial test Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 239000002105 nanoparticle Substances 0.000 description 1
- 210000000633 nuclear envelope Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000003463 organelle Anatomy 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001915 proofreading effect Effects 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 229910052704 radon Inorganic materials 0.000 description 1
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000011896 sensitive detection Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000010972 statistical evaluation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 210000001768 subcellular fraction Anatomy 0.000 description 1
- 210000004895 subcellular structure Anatomy 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- ANRHNWWPFJCPAZ-UHFFFAOYSA-M thionine Chemical compound [Cl-].C1=CC(N)=CC2=[S+]C3=CC(N)=CC=C3N=C21 ANRHNWWPFJCPAZ-UHFFFAOYSA-M 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000004304 visual acuity Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
- 229910052724 xenon Inorganic materials 0.000 description 1
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1468—Optical investigation techniques, e.g. flow cytometry with spatial resolution of the texture or inner structure of the particle
- G01N15/147—Optical investigation techniques, e.g. flow cytometry with spatial resolution of the texture or inner structure of the particle the analysis being performed on a sample stream
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/693—Acquisition
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1429—Signal processing
- G01N15/1433—Signal processing using image recognition
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
- G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N21/03—Cuvette constructions
- G01N21/05—Flow-through cuvettes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/419—Imaging computed tomograph
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/60—Specific applications or type of materials
- G01N2223/612—Specific applications or type of materials biological material
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- Theoretical Computer Science (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Dispersion Chemistry (AREA)
- Multimedia (AREA)
- Molecular Biology (AREA)
- Pulmonology (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Laser Beam Printer (AREA)
- Projection Apparatus (AREA)
- Image Analysis (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
用多维、高度定量的核密度特征和细胞质密度特征(NDF和CDF)快速检测靶细胞的系统和方法,其包括流式光学X线断层摄影(FOT)设备,该流式光学X线断层摄影(FOT)设备能够产生包括细胞的精确密度信息的各种光学投影图像(或x射线照相),和用于对投影图像进行分析和重建成多维数据集的计算机和软件,以及自动特征收集和目标分类器。所述系统和方法对于早期诊断癌症是特别有用的,例如利用来自痰液或颊部刮片的支气管样本检测肺癌,以及用宫颈刮片诊断宫颈癌或卵巢癌,所述系统可以用于检测包括血液的样本中的不寻常细胞。
Description
相关申请
本申请是尚未审批的由Alan C.Nelson于2001年8月10日提出的美国申请09/927151的系列申请,而该申请又与Alan C.Nelson于2001年3月28日提出的尚未审批的临时申请(序列号为60/279244)相关,上述两个申请的名称均为“用光学X线断层摄影法显示流体中微小物体的装置和方法”。
技术领域
总体来说,本发明涉及投影成像系统以及细胞分类法,尤其涉及采用投影成像的高通量流式自动系统,例如流式光学X线断层摄影(FOT),其基于对与疾病有关的核密度特征和细胞质密度特征(nucleardensitometric features(NDF)和(cytoplasmic densitometricCDF)的高定量测量,检测异常细胞和肿瘤细胞以及检测不寻常细胞。
背景技术
诊断患者所患癌症的最常用方法是得到怀疑组织的样本,然后在显微镜下检查有无明显的恶性细胞。当怀疑组织的解剖位置已知时,所述方法相对较为简单,但是当不存在有可以轻易确定的肿瘤或癌前损伤时,所述方法就不那么简单。例如,为了从痰液中检测有无肺癌需要在样本中找到一个或多个相对较为不寻常的肿瘤细胞。因此,如果样本不能灵敏且精确地反映肺部情况,就不能正确诊断出患有肺癌的患者。
Palcic等人在美国专利申请US6026174中公开了一个基于显微镜的系统和方法,该系统用于检测诊断细胞和具有与恶性肿瘤相关改变的细胞。所述Palcic等人的系统包括一个自动分类器,具有常规显微镜、照相机和图像数字转换器,控制并与上述组件连接的计算机系统,进行初次细胞分类的初级分类器,以及进行接下来的细胞分类的次级分类器。该方法利用自动分类器自动检测诊断细胞以及具有与恶性肿瘤相关改变的细胞。然而,常规显微镜的使用限制了所述诊断结果的质量,其不能对着色密度进行精确测量。所述Palcic等人的方法没有提及分子探针的使用。
随着分子探针的出现,例如抗体探针和核酸杂交探针,通过标记这些分子探针然后测量它们在生物细胞和组织中的位置和浓度,从而解决新的与疾病相关的问题。随着人们对这些探针进行更加精确地定位和定量的需求,同时还出现了对改进技术的需求,用于在显微镜下对探针密度进行两维(二维)和三维(3维)的测量。常规的光学显微技术利用玻片上的细胞,由于焦平面深度、采样角度以及细胞制备中所产生的通常导致细胞在成像平面上重叠的问题,其仅仅进行近似两维和三维的测量。光学显微技术的另一个缺陷是通过物镜观察而存在的固有局限性,其中只有位于窄的焦平面中的区域提供了分析用的精确数据。
流式细胞仪方法通过使细胞在流体中一个接一个的流动,从而克服了上述细胞重叠的问题。不幸地是,流式细胞仪系统不能产生与传统光学显微技术相同质量的细胞图像,而且无论如何其不是三维的。相关背景技术参见Shapiro,HM,
Practical Flow Cytometry,第3版,Wiley-Liss,1995。
在计算机辅助断层摄影技术领域,Johnson等人提出的美国专利No.5402460于1995年3月28日公开,其题目为“三维微断层分析系统”。其中公开了一种微断层系统,通过x线发生器和x线检测器产生样本的高分辨率三维图像,其中x线检测器用于测量x线束经过所述样本发生的减弱。Johnson等人的微断层系统对样本的每次观察产生两个投影,每个投影采用不同能量的x线束。在对样本的一个观察产生两个投影之后,将样本在样本支架上旋转然后进行另一组投影。对样本每次观察产生的投影一起进行分析,提供关于材料的相位差的定量指标,所述材料包括上述样本。结合不同观察的投影提供样本的三维图像。本文结合并引用美国专利No.5402460。尽管美国专利No.5402460中教导的x-线技术在某些应用中有用,但是其不能提供用于流式细胞仪的光学技术方案,通过所述光学技术方案可以测量生物细胞内分子密度的三维分布。
为了克服上述系统中的上述和其它缺陷,本发明的目的是将流式细胞仪中一个接一个的显示细胞与多个点光源投影的计算机光学断层摄影技术结合起来,从多个投影中重建细胞内的密度信息。重建的三维密度信息能够精确测量核密度特征(NDF)和细胞质密度特征(CDF)。
本文中所提及的NDF和CDF是投影成像系统所特有的,不需要使用透镜和焦平面及其固有的不希望有的模糊制品,其产生原因是位于窄的焦平面之外的非聚焦结构。由于投影成像系统不需要透镜和焦平面,而产生x射线照相,其中所述结构均同时清楚显示,因而密度特征的测量比传统显微系统更加定量及精确。所以,术语“NDF”和“CDF”指由x射线照相得到的密度特征量度以及采用x射线照相的断层摄影重建。NDF和CDF是指公知的在与癌症组织相关的细胞中发生的细微变化。上述变化指示偏离常态,并反映与疾病过程相关的分子变化。
然而,目前NDF和CDF仍没有被广泛接受用于筛选确定病人是否患有或将要患有癌症,这是因为测量方法没有提供足够的精确度和/或通量。一般地,通过仔细选择取自肿瘤或癌前损伤附近位置的细胞样本,并采用具有相对高放大倍率的显微镜观察细胞,从而检测NDF和CDF。但是,细胞内发生的NDF和CDF变化被认为是非常细微的,以至于通过常规显微设备工作的病理学家不能可靠地检测出上述变化,特别是病理学家通常不能进行定量测量。例如,NDF变化可以由核内DNA的分布和密度指示,伴随着核形状的微小变化。由于人类观察者们不能较为容易地对上述微小细胞变化进行定量,因此很难确定哪个细胞显示了NDF改变。
发明内容
在一个实施例中,本发明提供了一种检测细胞样本中靶细胞的方法,包括以下步骤,获得细胞样本并将细胞悬浮于溶液中;如果需要,将细胞样本中的细胞固定于溶液中;对细胞进行着色和/或标记,以产生与样本的每个分子内的核分子或其它结构有关的光学密度;用“点”光源照明样本,通过数字阵列检测器得到透过样本的一个或多个投影成像(例如,x射线照相);补偿投影成像在背景照明上的变化;分析投影成像并检测靶目标;对每个靶目标计算一组一维(一维)和两维(二维)特征值;将上述特征值组提供给至少一个分类器(90),分类器确定和表征细胞样本中的靶细胞。
另一方面,本发明提供了自动检测细胞样本中NDF和CDF的系统。优选的系统包括流式光学X线断层摄影(FOT)装置,其由计算机系统控制并与计算机系统相连接。FOT捕获的投影成像存储在图像处理板中,并经计算机系统控制以检测是否存在一维和两维的NDF和CDF。通过计算机可以重建多个投影图像以产生三维(3维)或更高维(3维+)的图像以及与之相关的NDF和CDF。
为了测量NDF和CDF,需获取细胞样本,并在悬浮液中着色,然后由FOT成像。所述着色是化学计量的,和/或与DNA和/或DNA相关蛋白,或包括细胞质的细胞内的其它靶分子成比例。然后计算机系统直接对投影图像进行分析和/或计算出也被分析的三维(3D)重建。所述图像对于不均衡照明和图像获取系统的其它缺陷进行校正。对所述图像进行校正后,计算靶目标的边缘、表面积、体积和密度,也就是界限,界线确定哪些像素或体素属于靶目标或靶结构而哪些属于背景。
计算机系统为每个目标或结构计算一组一维,二维,3维和3维+特征值。对于某些特征的计算,用一个或多个像素(或体素)扩大或缩小边缘(或表面),从而对沿着最高梯度值的界限进行校正。这样做的目的是使每个特征在不同类型目标之间都具有更高的分辨能力,从而是目标特异性的。然后通过分类器分析这些特征值,分类器用这些特征值确定目标是人造物品还是细胞核或靶结构。如果目标似乎是细胞核或靶结构,然后用所述分类器对特征值进行进一步的分析,以确定所述目标是否显示指示疾病的NDF和CDF。基于样本中所发现的目标的数量,所述目标似乎具有显著的与疾病相关的NDF和CDF改变,进行统计学评价以确定所述细胞样本来自的病人是健康的还是患有恶性肿瘤。
在其它实施例中,本发明提供了一种检测细胞样本中上皮细胞的方法,以及在所述上皮细胞中检测具有与疾病有关的NDF和CDF的细胞。在另一实施例中,提供了一种预测病人是否会患有癌症的方法。
附图说明
附图1示意性地显示了在本发明一个实施例中流式细胞仪系统的例子。
附图2示意性地显示了在本发明一个实施例中单个细胞流动过程的例子。
附图3A和附图3B示意性地显示了在本发明一个实施例中一个细胞和重建横截面的例子。
附图4示意性地显示了在本发明一个实施例中重建圆柱体的例子。
附图5示意性地显示了在本发明一个实施例中流式光学X线断层摄影(FOT)系统的例子。
附图6示意性地显示了在本发明一个实施例中位于重建圆柱体内的投射射线的例子。
附图7示意性地显示了在本发明一个实施例中重建圆柱体的顶视图。
附图8示意性地显示了在本发明一个实施例中在细胞重建中采用的光源/单列射线结构的几何形状。
附图9示意性地显示了在本发明一个实施例中对来自投影图像和X线断层摄影重建的NDF和CDF进行分析所采用的分类方法。
具体实施方式
此处结合特定的生物细胞实施例对本发明进行描述,但是,应该这样理解,这些例子用于阐述本发明的原理,并不对本发明进行限制。在一个实施例中,在一微观体积内构建点密度和发射密度的三维分布考虑到位于所述微观体积内的任何位置测量密度和荧光,并确定靶结构、靶分子或靶分子探针的位置。采用标记的分子探针,可以测量结合在所述微观目标特定结构上的探针数量。为了阐述,可以用至少一种标记分子探针标记例如生物细胞等的目标,所述探针的测量量和位置可以产生关于细胞疾病状态的重要信息,包括但不局限于,各种肿瘤,例如肺癌、乳腺癌、前列腺癌、宫颈癌以及卵巢癌。
制备用于流式细胞仪的生物细胞,并用标记的用于特定疾病诊断的分子探针进行着色或标记,使其流过一装置,收集投影图像,并从基本垂直于细胞流动矢径的光学投射射线路径重建二维和3维密度信息。控制细胞沿某一轴的流动速度,重建的垂直二维平面可以被正确地沿着上述细胞轴进行定位(或迭加),以产生完整细胞的3维图像,或可以直接从二维光透射投影或发射投影计算出细胞的3维图像。
由于下列特征,流式细胞仪非常适合于图像重建:
●细胞以单行通过毛细管,因此细胞重叠和遮蔽降至最低,
●可以直接测量通过毛细管的细胞流动速度,其是恒定的,
●细胞趋向于毛细管的中心轴,因此在结构上是放射状对称的,
●取决于细胞固定和悬浮试剂,细胞可以保持可塑性,相应于毛细管的速度梯度,细胞可以呈现沿z轴的伸长形状。
本发明利用了上述特点提供用于点光源投影成像和断层成像重建的系统。
参照图1,图1示意性地给出了本发明一个实施例的流式细胞仪系统的例子。所述系统以坐标系11进行定向,所述坐标系11具有x、y、z方向的三个坐标。在操作时,用公知的注射装置4将细胞1注射入注射管3。所述毛细管在注射端5较宽,包括一压力盖6。从管8引入外鞘流7,以在毛细管2内产生层流。传统流式细胞仪的特征在于,制备并悬浮于溶液中的细胞1可以被冲压通过毛细管2,从而细胞沿着流动轴伸长,并朝着毛细管2的中心轴近似向下移动,用虚线9表示。较为有利的是,细胞可以轴向对称地流动,并沿着圆柱形毛细管的中心轴以单列、恒定速度10移动。
现在参照图2,图2示意性地给出了本发明一个实施例的单个细胞的流动过程。一个细胞1以用速度矢量10表示的恒定速度(V)移动通过毛细管2。所述细胞1包括细胞质壁12和细胞核壁13。在流动通过毛细管2的过程中,细胞1通过多个重建平面,为了进行阐述,分别用第一、第二和第三重建平面14a,14b和14c表示。穿过细胞质壁的第一平面片段15a位于重建平面14a内。类似地,穿过细胞质壁和细胞核壁的第二平面片段15b位于重建平面14b内,第三平面片段15b位于重建平面14c内。本发明的一个主要特征在于许多具有可选择波长的点光源同心分布在毛细管周围。所述点光源与相对的光传感器阵列共同工作,所述光传感器阵列对光谱的可选择部分敏感,从而可以得到透射穿过细胞的光的投影。可以直接用断层图像重建算法对得到的投影图像进行分析或处理,以提供细胞内密度和/或发射强度分布的空间图形或图像。应该这样理解,在实际工作中,依赖于呈现给系统的目标的所需图像分辨率,重建平面的数量可以从几个到几百个或更多。可以在软件中结合或迭加一组重建的平行平面片段图像,以产生细胞内密度和发射强度的三维(3维)图像。此外,用平面(二维)光传感器阵列代替线(一维)传感器阵列,用锥形照明射线模式代替扇形照明射线模式,可以同时得到多个连续通过流动细胞的平面片段。作为结果,采用锥形光束重建算法,可以直接从两维(二维)投影计算出细胞体积内的密度和发射强度分布的三维(3维)图像。作为选择,可以直接分析具有无限景深的二维点光源投影图像。
对于生物细胞,重建平面之间的距离(d)可以是几微米或更小。位于细胞1内的一个点可以与不同时间间隔的每个重建平面重合,其中时间间隔(t)可以表述为:
t=d÷V (方程1)
结合参照附图3A和3B,其示意性地给出了本发明一个实施例的重建横截面16。流动细胞的轴向对称以及向心性有利于由通过细胞的光投影重建细胞内的点密度。此外,投影的采样空间可以做成包括三个分离腔室的模型:
1.细胞17外部的流体(也就是外鞘流体或细胞悬浮介质),
2.细胞质18,以及
3.细胞核19
定量知晓在这三个腔室中的光密度或分子探针的分布就足够解决细胞生物学和疾病诊断中的许多重要问题。此外,如果特定分子探针优选结合至细胞质或细胞壁12和细胞核壁13的边界表面,计算这两个边界表面是非常有用的。此外,将这些壁作为上述三个不同腔室的过渡表面是足够的。
通过将细胞的重建片段结合起来,或以螺旋状体积测量的方式进行重建,可以产生3维形态和体积信息,但是绝对(与相对相反)体积依赖于细胞位置的准确信息。细胞位置是流动速度的函数。但是,在一些情况下,密度或分子探针的相对浓度足够用于解决下述诊断问题:有多少探针位于相对于细胞核的细胞质内,而又有多少未结合探针位于背景液体中?或者,探针主要位于细胞膜上还是位于核膜表面?
尽管通过毛细管的细胞可以在结构上变成放射对称状,至少一个结合分子探针在核和细胞质腔室内的分布并不是如上所述的轴向对称。因此,需要的是成像系统以及(特别是发射)重建算法提供足够的空间分辨率对结合的荧光分子探针的体积进行定位,其比上述要求的提供三个腔室分析的分辨率更加精细。进一步地,需要的是所述系统提供关于在两个细胞内腔室中非对称分布的探针浓度的定量信息。通过亚微粒空间分辨率有助于了解探针与特定亚细胞腔室、位于细胞质或细胞核中的结构或细胞器之间的关系。
一个更加特殊的例子是关于早期检测高危患者的癌症。在上述情况下,当细胞发生改变,某些基因将表达过高或过低。测量相对于细胞核的细胞质中基因产物(通常为蛋白质)的相对过度或过低表达,同时使背景悬浮液体中的非结合探针正常化,这在诊断上是非常重要的。如果基因产物是蛋白质,可以使用标记抗体探针定位和/或定量基因产物蛋白质以评价细胞的疾病状态。因此,对这三个腔室的分析足够用于确定疾病状态。
现在参照附图4,附图4中示意性地给出了重建圆柱体的例子,所述重建圆柱体包绕流动管2,所述流动管包括流动细胞1,如本发明的一个实施例所述。重建圆柱体20,例如包括由点光源21构成的的螺旋线24,所述点光源以预定螺旋倾斜度分布,其倾斜角为θ。每个点光源发出一光子束22,其中光子束22通常为锥形或扇形。在附图4中光源为螺旋状设置,但是部分地依据电子设备的速度、细胞速度以及使传感器(检测器)处的投影信号不产生重叠的几何图形,点光源的排列可以是各种各样的几何图案。传感元件23用于接受来自点光源的光。
当完整细胞1经过光源时,固定的点光源21与相对的安装在管外周的检测器23可以对细胞1进行多投射角度的采样。通过对点光源和减弱的透射光和/或散射光和/或发射光的发射或读出进行时间控制,或对两者都进行时间控制,每个检测出的信号将与沿着流动细胞z方向的轴的一个特定已知位置一致。这样,以已知速度并沿着垂直于光源的一个已知轴流动的细胞1可以用经过细胞的投影进行光学切割并重建形成x-y平面的二维片段,所述光源可以同步发射光或被检测出。通过将序列片段迭加或在数学上结合起来,可以形成细胞的3维图形。同时还可以将细胞运动与流动轴周围的光源位置结合起来,以产生可以重建的数据,例如以螺旋形式构建细胞的3维图形。可以通过迭加连续的平面图像进行重建,所述平面图像是通过扇形光束重建算法由线性(一维)投影重建的,或是通过锥形光束重建算法由平面(二维)投影重建的。所述细胞的3维图像可以产生关于亚细胞结构以及有关标记分子探针的位置和数量的定量量度,所述分子探针提供诊断信息。
如上所述,重建截面或体积的二维或3维密度结构要求有一个以上的经过细胞截面的投影。在传统的一个片段与一个片段的医学计算机断层x射线照相法中,通过使患者保持不动,而x射线源和相对的检测器沿着外周移动产生经过患者的多个投射角度,从而进行多个投影。通过类比,本发明的流式光断层成像系统以预定速度使细胞通过多个光源,所述光源以不同角度设置在毛细管的外周,从而当细胞经过点光源时产生多个投影。这些点光源发出光子,所述光子经过细胞被与光源相对的传感器阵列检测。所述点光源可以沿着螺旋线24和其它适当的几何图案排列在毛细管的外周,这样当细胞经过点光源阵列,可以从多个角度对细胞的每个点进行采样。对于好的采样几何图案,这些点光源可以覆盖外周的至少180度。在某些情况下,较少的角度覆盖范围(也就是低于采样的角度)是可行的,但是额外的放射覆盖范围将提高计算机重建的精确度和信噪比。根据几何学,对于锥形或扇形光束图像重建,较为有利的是采用传统的分析、迭代或统计学算法。(参见例如,Gilbert,P,“Iterative Methods for the three-dimensionalreconstruction of an object from projections”,Journal of TheoreticalBiology 36:105-17,1972;Oppenheim,BE,“More accurate algorithms foriterative 3 dimensional reconstruction,”IEEE Transactions on NuclearScience NS-21:72-7,1974;Singer,JR,Grunbaum,FA,Kohn,P和Zubelli,JP,“Image reconstruction of the interior of bodies that diffuse radiation”Science 248(4958):990-3,1990;Mueller,K和Yage,R,“Rapid 3-Dcone-beam reconstruction with the simultaneous algebraic reconstructiontechnique(SART)using 2-D textrue mapping hardware”,IEEEtransactions on Medical imaging 19(12)1227-37,2001.)相关的方法包括但不局限于ART(代数重建技术,如Bellman,SH,Bender,R,Gordon,R和Rowe,JE的“ART is science being A defense of algebraicreconstruction techniques for three-dimensional electron microscopy”,Journal of Theoretical Biology 32:205-16,1971),SIRT(联立迭代重建技术,例如Gilbert,id#1493中所述),MLEM(最大似然期望值最大化,例如,Manglos,SH,Jaszcak,RJ和Floyd,CE的“Maxium likelihoodreconstruction for cone beam SPECT:development and initial tests”,Physics in Medicine and Biology 34(12):1947-57,1989,#1382),以及OSEM(有序子集期望值最大化,例如Manglos,SH,Gagne,GM,KrolA,Thomas,FD和Narayanaswamy,R“Transmission maximum-likelihoodreconstruction with ordered subsets for cone beam CT”,Physics inMedicine and Biology 40(7):1225-41,1995,#4389)。
方法
流式细胞仪
参见附图5,其示意性给出了本发明一个实施例的流式光学断层成像系统(FOT)。所述流式光学断层成像系统包括一流式细胞仪,以及位于毛细管2周围的重建圆柱体20。光子源25和光子传感器26与作为触发装置的脉冲高度分析仪27一起工作。脉冲高度分析仪按照公知的原理工作,为细胞的开始提供第一触发点28,为细胞的结束提供第二触发点29,所述脉冲高度分析仪输出与每个细胞的开始和结束相对应的触发信号30,其中所述触发信号被重建圆柱体20接收。
计算机40通过信号线41-43将数据、控制信号和定时信号传输给点光源21、传感元件23和脉冲高度分析仪27。所述计算机可以包括一个公知的计算机或多个计算机以及适于图像获取和图像重建处理的阵列处理器。
商业上的流式细胞仪具有三个基本流动结构:也就是,圆柱形流动管,矩形流动管和空气系统中的流动(参见,Shapiro,HM,PracticalFlow Cytometry,3rd,ed.,Wiley-liss,1995)。优选的结构为圆柱形流动管,这是因为保持最理想的圆柱形几何形状对于重建算法是非常重要的,将由于流动硬件而导致的径向依赖性降至最低(见附图1)。而且,圆柱形流动管可以相对于毛细管的横截面具有均匀的薄壁。
此外,触发装置可以位于重建模块的上游,提供一定时信号,当细胞进入然后从重建圆柱体中出去时,启动然后终止数据采集。有利的是,所述触发装置可以包括一激光二极管,CCD,PMT,光电探测器组合,固态光电探测器和上述元件的组合。所述触发装置有一阈值设置用于探测流动细胞的存在,因此产生一触发信号。当下游的重建圆柱体开始采集关于特定靶细胞的数据,所述触发信号与已知的细胞速度用于计算。进一步地,对应于细胞进入和流出重建圆柱体的第一和第二触发点之间的时间间隔可以被分为相等或不等的增量,在每个增量期间,可以通过选通光源21和对传感器阵列23进行读数获得另外的投影数据。
需要对流动速度进行控制和精确地测量。在高级商业系统中采用1米/秒至10米/秒之间的速度具有上述能力。根据下文所要描述的数据采集速度和信噪比可以确定最佳细胞速度。
重建模块
现在参照附图6,其示意性地给出了本发明一个实施例的重建圆柱体20内的扇形投射射线的例子。重建圆柱体的目的是提供将多个沿着小的外周固定的点光源21a-21c发出的光投射至圆柱形毛细管。点光源发出的光子具有已知的投射几何形状,例如扇形或锥形,并通过毛细管被传感元件23a,23b或23c阵列检测出,所述传感元件阵列可以根据情况位于相应的点光源对面的更大的外周上。出于阐述的目的,图中给出了适于扇形光束透射的弯曲线(一维)传感器阵列,但是也可以采用适于锥形光束照明的直线(一维)传感器阵列或平面(二维)传感器阵列。这样,可以产生一组投射射线,其中投射射线可以被描绘成连接点光源和单个传感元件的直线。沿着例如射线31的特定投射射线离开点光源的光子数量与特定传感元件接收的光子数量之差与丢失或减弱的光子数量有关,其原因是细胞与沿着投射光线路径的流动管内其它内容物的相互作用。
然而,由于光散射、光子能量漂移、不完善的几何图形以及校准不正可以使情况变得复杂,当同时激发多个点光源时,不同光源的光子可以到达同一个特定传感元件。通过细心地构造重建圆柱体,例如通过仔细选择本文所述的点光源的图案以及与它们相对的检测器,以及对多个点光源的激活和传感器的读出进行适当地时间控制或多路传输,可以将由于上述问题导致的光子污染降至最低但是不能消除。
对系统校准可以估计出光子污染,例如没有细胞存在。也就是说,可以轮流启动每个光源并测量其对每个传感器的影响,从而提供偏移数据使系统正常化。另外的校准步骤使用,例如光学特性已知的成像乳胶聚合物珠或其它微球或椭圆形小球,并采用所需要的密度范围进行细胞成像。通过如下文所述在检测器中使用带通滤波器,由荧光探针发出的光子可以与来源于点光源的光子区分开来。
光源
每个光源可以具有相同的一般特性,优选地:
●可以近似为小的圆形点光源,
●可以以已知的光谱容量发光,
●从光源发出的光子可以具有已知的几何图形,例如锥形或扇形。
每个光源产生针对每个投射角的数据。当细胞流过模块时,沿着螺旋线排列的多个光源产生来源于经过每个连续平面(或重建部分)的多个投射角的数据,所述螺旋线的轴线是流动管的中心轴。根据传感器的几何图形,数个点光源可以共同线性排列在同一个外周上,这样投影不会在传感器上重叠。将光源等距离地沿着180度的螺旋线排列,可以获得良好的采样几何图形,然而在某些情况下,也可以是较小的角度覆盖范围,为了提供信噪比可以采用360度覆盖范围。理想的光源数目是每个平面重建(x-y平面)或体积重建内所需分辨率的函数。出于阐述的目的,点光源采用了螺旋分布,但是应这样理解,点光源阵列可以采用各种各样的几何图形。进一步地,通过采用各种各样的二极管或其它激光器或白色或其它宽带光源的带通滤波器,例如汞或氙弧光灯,光源的波长是可以选择的。
现在参照附图7,其示意性地给出了根据本发明一个实施例的附图6中重建圆柱体的顶视图。图中给出了第一点光源21a和传感器阵列23a,以及具有细胞核19的细胞,所述细胞垂直于光源轨迹投射的平面流动,其在两维上构成了重建圆圈32,其中所有的投影,即使以时间交错模式获取的投影,均被描绘成重叠的,其中包含了整个细胞。第二个点光源21b和第二个传感器阵列23b排列在螺旋线周围大约30°,第三个点光源21c和第三个传感器阵列23c排列在螺旋线周围大约90°。
数据收集与位于“厚”的平面轴向横截面内的细胞速度同步控制。理想的平面厚度是在z方向上所需分辨率的函数。典型地,轴向(z方向)上的分辨率小于平面横轴向方向的分辨率。同时,重建的最佳圆圈可以由投影扇形的重叠交叉部分限定,所述投影扇形的顶点为点光源,底部为传感阵列的宽度。理想的是,重建圆柱体的几何图形应使流动细胞的横截面全部包含在重建圆圈中。
在构建点光源时可以采用数个选择方案,例如:
●在激光或其它高强度光子源的前面有一小孔,
●具有小的横截面的光纤,
●在光子源前有一具有短焦距的透镜,
●发出的一个点位于磷表面上(CRT的一种形式)的电子束,以及
●以上所述的不同组合。
所述几何图形为点光源离靶目标(细胞)越近,放大倍率越高,这是因为离光源越近的目标对着越宽的几何角度。相反,如果在系统设计之前知道所需要的分辨率,可以针对该特定分辨率将几何图形优化。有关背景技术,可以参见Blass,M(主编),
Handbook of Optics:fiber optics and nonlinear optics,第2版,第4卷,Mcgraw-Hill,2001。
现在参见附图8,其示意性地给出了根据本发明一个实施例在细胞重建中采用的直线阵列23。例如,对于包含在30微米直径的重建圆圈内的细胞横截面12和核19,以及所需的0.5微米分辨率,Nyquist采样(也就是2倍的过采样)规定了每个点光源21至少需要120个传感元件33。位于顶点的点光源21和位于底部的线阵列长度34构成了一三角形35,从而例如直径为30微米的细胞位于三角形35之内,其尽可能地接近于点光源21。在该例子中,如果阵列中的每个元件(例如,CCD)为20微米宽,阵列长度为2400微米,则细胞的中心距离点光源约100微米(毛细管直径的一半),当点光源和线性阵列之间的距离是8毫米,提供80倍的放大。
在第二个例子中,重建圆圈的直径为30微米,互补金属氧化物半导体(CMOS)的像素大小为4微米。在该情况下,所述阵列可以含有120个元件,宽度为480微米,可以距离点光源1.6mm放置,当点光源和细胞间的距离为100微米,提供160倍的放大。
传感元件
每个点光源应具有一对应的传感元件阵列,例如以直线或曲线几何排列的CCD,其与点光源相对,用于接收透射穿过重建圆圈的光子射线。典型地,线阵列的传感元件以点光源和中心流动轴之间的线为中心,并可以垂直于流动轴排列。可以采用二维阵列,其中只对二维阵列内每条线上的元件子集进行读数用作重建输入。在二维阵列中,将适当数量的元件沿着点光源的螺旋形排列适当地与每个不同点光源对齐,从而将每个元件的连续子集交错开来。
对于一个片段接一个片段的扇形光束重建,使用30微米重建圆圈和每个扇形有120个传感元件,获得0.5微米的分辨率,一个具有2000×2000 20微米元件的二维阵列足够用于进行检测136,点光源以1径向角度增量设置,其中连续视野之间的平均偏移量为300微米,其等于15个传感元件(在阵列的中心,偏移量可以是140微米或7个元件,但是在阵列的边缘,视野之间的1径向角度范围可以导致更大的偏移量)。如果传感器阵列中平均15排为一组为每片提供投影数据,那么在细胞图像中z轴分辨率为3.75微米,然而如果每个投影平均为2排,则目标空间的轴向分辨率为0.5微米,等于横轴向的分辨率。
在本发明的一个优选实施例中,二维阵列沿着圆柱形外周弯曲排列,所述圆柱形外周与重建圆柱体同心,这样所有射线路径在长度上均相等。对于30微米的重建圆圈,一个弯曲的二维阵列,其中只含有所需的相对于点光源的螺旋轨迹的元件,所述二维阵列可以是宽为120个元件、高(长度)为136个元件的倍数的螺旋条带,如上文所述。
尽管出于阐述的目的描述了平面或“厚”的扇形照明,但是应这样理解,真正的未经准直的锥形光束照明可以与二维平面检测器结合使用,采用锥形光束算法进行3维重建。可以直接对所述二维投影图像进行分析,以获得例如关于疾病状态或细胞变化状态的信息。对于直接的体积锥形光束重建,对多个点光源发出的照明进行多路复用,考虑到点光源和检测器的几何排列,使得来自于不同点光源的照明锥形不与传感器阵列重叠。
然而,如果细胞以1米/秒(或1,000,000米/秒)的速度流动,二维阵列上的每个元件为20微米宽,每20微秒的线性读出可以轻易地捕获0.25微米细胞片段内的数据。当平均一排有15个传感器为3.75微米的片段提供数据,那么每300微秒进行一次读数。采用更大的二维阵列可以使重建图像的质量得到显著的改善。
对于特别适用于大量透射或发射波段的多谱段成像的本发明的实施例,包括系列设置的两个或多个重建模块是非常有利的。可以通过插入毛细管片段分离上述多个重建圆柱体,每个模块提供充足的投影数据,用于产生关于流经该模块的目标的完整重建图像。每一个重建模块中的点光源和/或传感器阵列可以最优化从而适合于一特定波段。例如,第一重建模块可以采用强白光照明和不经过滤检测以提供完整的投影数据集以重建关于目标光密度、吸收或散射系数的图形,而第二重建模块可以采用以495nm为中心的窄波带照明,例如氩离子激光器(488nm),以激发用荧光探针标记的蛋白质,与经过滤的对520nm发射光敏感的传感器阵列一起进行免疫荧光研究,提供充足的第二完整投影数据,通过下文描述的发射光重建算法,描绘出标记蛋白质的浓度分布。第三个重建模块可以使用以535和/或342nm为中心的窄带照明,激发以化学计量结合至DNA的碘化丙啶(Propidium iodide),以及过滤传感器阵列,从而最佳地检测出红(617nm)的发射光以研究倍数性。应这样理解,上述例子仅用作说明,所述方法通常适用于任一用于照明和检测的波长组合。
图像重建
最常用的、易于实施的重建算法,也就是公知的经过滤的反向投射法,衍生自采用锥形光束和扇形光束的计算机断层x射线照相(CT)中的类似范例(参见以下参考文献,例如,Kak,AC和Slaney,M,Principles of computerized tomographic imaging,IEEE Press,纽约,1988,和Herman,G,
Image reconstruction from projections:the fundamentals of computerized tomography,Academic Press,纽约,1988)。这些方法的基础是经修正的Radon转换定律,其反映了光源/检测器结构的特定几何图形和照明光束的射线路径。然而,对于临床用x射线CT,为了一个片段接一个片段的获取,使人体固定不动,而x射线源和检测器阵列沿着患者周围的弧形移动从位于给定片段内的多个投射角度采集数据。然后将患者沿着z轴重新定位,采集另一片段的数据等等。此外,在更加先进的临床螺旋CT中,患者在z方向上连续平移,而光源/检测器设备连续旋转提供螺旋形的投射数据,然后将该数据进行内推得到垂直于患者z轴的投影。在流式光学X线断层摄影中,研究对象(细胞)相对于静止光源和检测器阵列以恒定速度流动,其中多个光源/检测器系统与沿着细胞速度矢量的特定选通时间点同步获得数据,从而产生位于一个给定片段或体积内的多个投射角数据。对于一个片段接一个片段的扫描,重建算法计算垂直于移动轴的平面的二维图像,多个片段的序列迭加将产生研究对象的3维图像,其中对比度是CT或流式光学X线断层摄影中研究对象的x射线减弱系数或光密度变化的函数。对于体积、锥形光束扫描,重建算法直接从平面透射或发射光投影计算细胞内或其它研究对象内的体积的3维图像,其中对比度是成像目标内的光密度和/或标记探针密度分布的函数。
理想的是,对于透射数据产生细胞密度重建,或对于发射数据重建标记探针分布,或者两者都包括,采用图像重建算法而不是过滤的反向投射。在某些情况下,常用的一类算法也就是公知的迭代重建算法更加有效,特别是对于发射断层成像或在例如本发明中,在已知目标轴向对称和具有三个腔室性质的情况下,在重建算法中可以结合先验信息以提高重建的质量(参见,例如Gilbert,P,“Iterative methodsfor the three-dimensional reconstruction of an object fromprojections”,Journal of theoretical Biology 36:105-17,1972以及上文提及的其它参考文献)。
类似地,一种方法可以是有利地采用基于有限元素模型(FEM)的统计重建算法。FEM算法衍生自线性传输理论,其中在元素的所有边缘求解光子传播/移动方程从而产生成像目标的吸收、散射、反射率和各向异性因数特性的某些组合的两维或三维图形。上述方法的例子参见Paulsen,KD和Jiang,H的“Spatially varing optical propertyreconstruction using a finite element diffusion equation approximation”,Medical Physics 22(691-701)1995,以及Hampel,U和Freyer,R的“Fastimage reconstruction for optical absorption tomography in media withradially symmetric boundaries”,Medical Physics 25(1):92-101,1998,以及Jiang,H、Paulsen,KD和Osterberg,UL,“Frequency-domain near-infraredphoto diffusion imaging:initial evaluation in multitarget tissuelikephantoms”,Me dical Physics 25(2):183-93,1998。
颜色分离
如果使用多颜色的点光源(例如,白光),则可以采用不同颜色着色(例如生色团)以区分大量的分子探针和细胞内的结构特征。本文,在光源或检测阵列(或两者)处采用系列带通滤波器分离波长数据,并对单个着色分子进行重建和空间定位。对多个探针成像的更稳固的办法是采用强白光光源,并同时收集传感器阵列的多个过滤带宽,从而通过图像重建算法计算每个生色团的空间成像片段。这些可以显示为彩色图像。
荧光、磷光、化学发光和纳米颗粒发光
作为流式光学断层成像系统的一个特殊例子,某些特定分子探针可以用“报道分子”进行标记,所述报道分子在受到初级光子源激发时,可以发出不同波长(更长)的光。来自报道分子的第二次发射可以用标准光滤波器过滤以将初级光源的光子从次级发射的光子中分离出来。然而,次级发射光子的图像重建算法更加复杂,这是因为从光源发出的第二次发射的光子不一定是沿着直线射线路径。如果假设次级点光源发出的次级光子为均一球形,则到达任一传感元件的次级光子强度是与传感元件之间距离的简单函数。进一步的精细化通过提供相对于点光源位于重建片段中的次级光子的空间分布,可以解释次级光源发出的次级光子的非球形分布。上述任一方法提供了计算位于重建片段或体积内的次级光源的位置的方法。成像目标与检测器阵列之间的校准将改善图像重建。
如果通过光过滤同时计算初级光子强度和次级光子强度,则原始光子强度的高分辨率密度重建可以叠加或融合在次级光源重建上,这样在单个重建图像中就具有图像形态和定位的探针浓度。根据强度、信噪比、以及在光源和/或传感器处过滤或产生窄波带光子的能力,利用多个次级光源是有利的,每个次级光源对应于不同的标记分子探针。
2001年3月13日公开的Basiji等人的美国专利No.6201628(题目是“高通量光扫描仪”)中披露了一扫描装置,用于对底物荧光、光密度或磷光进行自动、快速和灵敏的扫描。所述扫描仪采用具有恒定路径长度的光学系统,可以使进行高速扫描的移动光束与减少噪声的相位灵敏检测结合起来。所述扫描仪包括光源,用于接收来自光源的光并将其扫过控制镜的扫描镜,用于接收来自扫描镜的光并将其反射给底物的控制镜,这样所述光沿着扫描弧经过底物,以及用于接收来自底物的发射或散射光的光电检测器,其中光源至光电检测器的光路路径长度在整个经过底物的扫描中基本恒定。所述光学系统可以进一步地包括波导或反射镜用于收集来自底物的发射或散射光并将其引至光电检测器。对于相位敏感检测,光源是强度调制的,检测器连接至相位敏感检测电子设备。同时还提供了使用底物转换器的扫描仪。对于两维成像,所述底物被转换成一维,而扫描镜扫描在第二维中扫描光束。对于高通量的扫描仪,将多个底物放置于来自盘式供给机的传输带上。美国专利No.6201628在本文结合并作为参考。然而,这些申请中没有考虑到产生光学投射图像,因此不能用这些图像进行断层成像重建。
如上所述,本申请是一自动检测细胞核中NDF和细胞质中CDF的系统,其对患者的细胞进行光学投影和断层成像重建。根据与疾病相关的NDF和CDF的存在与否,可以作出关于患者是否患有恶性肿瘤的结论。
现在参照附图9,其示意性地给出了本发明一个实施例的对细胞重建数据进行分类的方法。该系统可以包括数个分类器,它们可以共同工作确定特定细胞样本是否含有靶细胞和诊断细胞,所述细胞具有与疾病相关的NDF和CDF。一个分类器是计算机程序,基于特定特征值94对目标进行分析。本发明的自动分类器系统可以包括,例如,初级分类器90,其执行基本的筛选功能并选择靶目标。次级分类器92对细胞目标进行分类,分为形态上不正常或形态上正常但是具有与疾病相关的NDF和CDF,或正常而且不显示与疾病相关的NDF和CDF。可以提供报道93对任一和全部分类器的分类结果进行详细解释。应理解为根据应用可以采用多个和不同的分类器。
如上所述,本发明的自动系统可以包括一初级和次级分类器,但是也可以使用单个分类器用于顺序进行本发明的分类。基于统计学方法产生分类函数的软件包通常在商业上可以购得。
本发明的自动分类器优选包括基于直接计算出的NDF和CDF、采用模糊二元判断或Bayesian统计判断来执行其分类功能的分类器。所述分类器可以包括大量的特征值,例如包括形态特征,光度特征,离散质地特征,Markovian质地特征,非Markovian质地特征,不规则碎片质地特征以及运转周期质地特征。
初级分类器典型地可将靶目标分为三个类型:1)包括诊断细胞和可能含有与疾病相关的NDF和CDF的细胞的上皮细胞;2)炎症细胞;以及3)人造物品。初级分类器可以通过二元决策树和选择特征值进行一个细胞接一个细胞的分类。
如上所述,本发明的系统将细胞核与人造物品、上皮细胞与其他细胞类型、具有与疾病相关的NDF和CDF的细胞与其它正常上皮细胞区分开来的能力依赖于分类器根据计算的特征值进行区分的能力。例如,为了判别正常上皮细胞和异常上皮细胞(也就是,诊断细胞),本发明可以采用数个不同的判别函数,每个函数用于确认特定类型的目标,以及NDF和CDF发生的改变。
次级分类器对经初级分类器选择的细胞样本中的上皮细胞进行分类,也采用二元决策树和特征值执行其分类功能。所述次级分类器可以认为是一个样本接一个样本的分类器,用于分析经初级分类器分类的上皮细胞,并将这些细胞分为正常而且与疾病相关的NDF或CDF阴性,或正常而且与疾病相关的NDF或CDF阳性。与初级分类器一样,次级分类器基于一组优选的NDF和CDF值对细胞进行区分。
每个分类器所使用的特征组来自分析细胞核和/或细胞质的定量密度特征的判别函数,而且优选包括最小数量的特征。理想地,选择最小数量的最佳核特征将产生有效且稳定的分类器。也就是说,分类器优选可以精确地对细胞或细胞类型进行分类,同时可靠地对各种细胞和样本制剂进行分类。
所述分类器可以包括至少一个判别函数,其中判别函数采用来自x射线照相的特征对样本中靶细胞进行分类,包括但不局限于,一维和二维核密度特征(NDF)以及细胞质密度特征(CDF),和选自以下的特征,包括面积、平均半径、光密度(OD)方差、光密度斜度、光密度范围、光密度平均值、光密度最大值、光点密度、低DNA区域、高DNA区域、低DNA量、高DNA量、高平均距离、中等/高平均距离、相关性、均匀性、熵、分形维数、DNA指数、质地、点状、连接部分以及在空间密度频率空间中的各种谐波。
细胞样本可以是人类的肺组织、宫颈组织、血样或可以含有不寻常细胞。在一个例子中,用于确定NDF和CDF而对样本进行着色包括用化学计量或成比例的DNA和RNA染料进行着色。DNA染料可以选自以下构成的组中,福尔根(Feulgen)染料,Romanowski染料,May-Grunwald-Giemsa染料,甲基绿和硫堇。在另一例子中,样本可以用抗体标记物进行着色以确定NDF和CDF。在另一个例子中,可以非常有利地采用核酸序列标记物对样本进行着色。
本发明的系统对于分析生物细胞的不同类型是有用的。在一个例子中,靶细胞被选择用于诊断癌症,和/或,所述靶细胞可以有利地是扩散前的癌细胞。靶细胞可以包括扩散的癌细胞,其中利用所述靶细胞筛选癌症患者。也可以利用靶细胞确定患者是否会患有扩散性癌症。所述扩散癌细胞可以源自上皮细胞癌。选择性地,或另外,所述扩散前的癌细胞可以源自上皮细胞癌。有利地是,上皮细胞癌可以选自由以下构成的组中,肺癌和喉癌、宫颈癌和卵巢癌、乳腺癌、前列腺癌、皮肤癌和胃肠道癌症。
在用于分析多维图像的实施例中,例如,3维图像和更高维(3维+)图像,对样本中靶细胞进行分类的特征可以包括但不局限于,一维、二维、3维、3维+核密度特征(NDF)和细胞质特征(CDF),以及选自由以下构成的特征,包括面积、平均半径、体积、平均体积、光密度(OD)方差、光密度斜度、光密度范围、光密度平均值、光密度最大值、光点密度、低DNA容量、高DNA容量、低DNA量、高DNA量、高平均距离、中等/高平均距离、相关性、均匀性、熵、分形维数、DNA指数、质地、点状、连接部分以及在空间密度频率空间中的各种谐波。高DNA容量,例如可以是高于对正常细胞群进行测量得到的基线。
本文对本发明进行了详细地描述以符合专利法,并提供了本领域技术人员所需的信息以应用本发明的新颖原理,并构建和使用所需要的示范性和专门组件。然而,应理解为,本发明可以通过不同的设备、装置和重建算法实施,可以对本发明作出关于设备细节和操作步骤的各种改变,只要不偏离本发明的真正精神和范围。
Claims (34)
1.检测细胞样本中靶细胞(1)的方法,包括以下步骤:
(a)获取细胞样本,并将细胞(1)悬浮于溶液(17)中;
(b)如果需要,将细胞样本中的细胞(1)固定于溶液中;
(c)标记细胞(1)以生成样本内每个细胞的光密度;
(d)用至少一个点光源(21)照明样本;
(e)用数字阵列检测器(23)获取至少一个通过样本的投影图像;
(f)对所述至少一个投影图像补偿背景照明上的差异;
(g)对所述至少一个投影图像进行分析以检测至少一个靶目标;
(h)对于所述至少一个靶目标计算具有一维(一维)特征值和二维(二维)特征值的特征值组(94);
(i)将上述特征值(94)组提供给至少一个分类器(90);以及
(j)使用上述特征值(94)组以及所述至少一个分类器(90)鉴别来自所述细胞样本的所述至少一个靶目标。
2.如权利要求1所述的方法,其特征在于,所述用于对所述样本中所述至少一个靶目标进行分类的特征值(94)组选自由以下构成的组中:一维和二维核密度特征(NDF)、细胞质密度特征(CDF)、面积、平均半径、光密度(OD)方差、光密度斜度、光密度范围、光密度平均值、光密度最大值、光点密度、低DNA区域、高DNA区域、低DNA量、高DNA量、高平均距离、中等/高平均距离、相关性、均匀性、熵、分形维数、DNA指数、质地、点状、连接部分以及在空间密度频率空间中的谐波。
3.如权利要求1所述的方法,其特征在于,使用所述至少一个分类器(90)的步骤包括使用具有至少一个判别函数的分类器。
4.如权利要求3所述的方法,其特征在于,所述至少一个判别函数采用一组判别特征,该组判别特征选自由以下构成的组中:一维和二维核密度特征(NDF)、细胞质密度特征(CDF)、面积、平均半径、光密度(OD)方差、光密度斜度、光密度范围、光密度平均值、光密度最大值、光点密度、低DNA区域、高DNA区域、低DNA量、高DNA量、高平均距离、中等/高平均距离、相关性、均匀性、熵、分形维数、DNA指数、质地、点状、连接部分以及在空间密度频率空间中的谐波。
5.如权利要求1所述的方法,其特征在于,所述细胞样本包括人类肺样本。
6.如权利要求1所述的方法,其特征在于,所述细胞样本包括人类宫颈样本。
7.如权利要求1所述的方法,其特征在于,所述细胞样本包括人类血液样本。
8.如权利要求1所述的方法,其特征在于,所述细胞样本包括不寻常细胞。
9.如权利要求1所述的方法,其特征在于,标记样本的步骤包括用选自着色由化学计量DNA染料,化学计量RNA染料,成比例的DNA染料,和成比例的RNA染料构成的组的染料进行着色。
10.如权利要求9所述的方法,其特征在于,标记所述样本的步骤包括用选自着色由福尔根染料,Romanowski染料,May-Grunwald-Giemsa染料,甲基绿和硫堇构成的组的染料进行着色。
11.如权利要求1所述的方法,其特征在于,标记样本的步骤包括用抗体标记物进行着色。
12.如权利要求1所述的方法,其特征在于,标记样本的步骤包括用核酸序列标记物进行着色。
13.如权利要求1所述的方法,其特征在于,所述方法进一步包括选择所述至少一个靶目标进行癌症诊断的步骤。
14.如权利要求1所述的方法,其特征在于,所述方法进一步包括选择所述至少一个靶目标以包括扩散前的癌细胞的步骤。
15.如权利要求1所述的方法,其特征在于,所述方法进一步包括选择所述至少一个靶目标以包括扩散的癌细胞的步骤。
16.如权利要求1所述的方法,其特征在于,所述方法进一步包括使用至少一个靶目标筛选癌症患者的步骤。
17.如权利要求1所述的方法,其特征在于,所述方法进一步包括使用至少一个靶目标确定患者是否会发展为扩散性癌症的步骤。
18.如权利要求14所述的方法,其特征在于,所述扩散前的癌细胞来自上皮细胞癌。
19.如权利要求18所述的方法,其特征在于,所述上皮细胞癌选自由肺癌、喉癌、宫颈癌、卵巢癌、乳腺癌、前列腺癌、皮肤癌和胃肠道癌症构成的组。
20.如权利要求15所述的方法,其特征在于,扩散性癌细胞来自上皮细胞癌。
21.如权利要求20所述的方法,其特征在于,所述上皮细胞癌选自由肺癌、喉癌、宫颈癌、卵巢癌、乳腺癌、前列腺癌、皮肤癌、胃肠道癌症、淋巴瘤和骨癌构成的组。
22.如权利要求14所述的方法,其特征在于,所述扩散前的癌细胞来自神经内分泌癌症。
23.如权利要求22所述的方法,其特征在于,神经内分泌癌症选自由以下构成的组:肺癌、喉癌、宫颈癌、乳腺癌、胃肠道癌症、淋巴瘤和骨癌。
24.如权利要求15所述的方法,其特征在于,扩散性癌细胞来自神经内分泌癌症。
25.如权利要求24所述的方法,其特征在于,神经内分泌癌症选自由以下构成的组中:肺癌、喉癌、宫颈癌、乳腺癌、胃肠道癌症、淋巴瘤和骨癌症。
26.如权利要求1所述的方法,进一步地包括采用计算图像重建方法以产生多维图像,结合至少两个投影图像的步骤。
27.如权利要求26所述的方法,其特征在于,所述计算图像重建方法包括选自由以下构成的组:扇形光束投射几何学和锥形光束投射几何学。
28.如权利要求26所述的方法,进一步地包括对多维图像进行处理的以下步骤:
(a)对多维图像补偿背景照明上的差异;
(b)分析所述多维图像以检测至少一个靶目标;
(c)计算结合至每个靶目标的表面;
(d)对每个靶目标计算一组多维特征值(94);以及
(e)将上述多维特征值(94)组提供给至少一个分类器(90),以鉴别和表征细胞样本中的靶细胞。
29.如权利要求28所述的方法,其特征在于,用于对样本中的靶细胞进行分类的多维特征值(94)选自由以下构成的组:一维核密度特征(NDF)、二维核密度特征、3维核密度特征和3维+核密度特征、一维细胞质密度特征(CDF)、二维细胞质密度特征,3维细胞质密度特征和3维+细胞质密度特征、面积、平均半径、体积,平均体积,光密度(OD)方差、光密度斜度、光密度范围、光密度平均值、光密度最大值、光点密度、低DNA容量、高DNA容量、低DNA量、高DNA量、高平均距离、中等/高平均距离、相关性、均匀性、熵、分形维数、DNA指数、质地、点状、连接部分以及在空间密度频率空间中的谐波。
30.如权利要求28所述的方法,其特征在于,多维特征值(94)包括一维,二维,3维,3维+特征,该些特征被分类程序利用用于表征与类型、成熟、疾病状态、相对丰度和定量标记物的存在有关的靶细胞。
31.如权利要求28所述的方法,其特征在于,分类器检测并表征包括不寻常细胞的靶细胞。
32.如权利要求28所述的方法,进一步地包括基于对细胞的所述表征诊断细胞样本。
33.鉴定来自细胞样本的至少一个靶目标的方法,包括以下步骤;
(a)获取细胞样本,将细胞(1)悬浮于溶液(17)中;
(b)如果需要,将所述细胞样本中的所述细胞(1)固定于溶液(17)中;
(c)标记所述细胞(1)以产生样本内每个细胞的光密度;
(d)用至少一个点光源(21)照明所述样本;
(e)用数字阵列检测器(23)获取至少一个通过样本的投影图像;
(f)对所述至少一个投影图像补偿背景照明上的差异;
(g)对所述至少一个投影图像进行分析以检测至少一个靶目标;
(h)计算所述至少一个靶目标的一组具有一维(1D)特征值和二维(2D)特征值的特征值(94),其特征在于,所述对所述样本中所述至少一个靶目标进行分类的所述一组特征值(94)选自由以下构成的组:一维核密度特征(NDF)、二维核密度特征、一维细胞质密度特征(CDF)、二维细胞质密度特征、面积、平均半径、光密度(OD)方差、光密度斜度、光密度范围、光密度平均值、光密度最大值、光点密度、低DNA区域、高DNA区域、低DNA量、高DNA量、高平均距离、中等/高平均距离、相关性、均匀性、熵、分形维数、DNA指数、质地、点状、连接部分以及在空间密度频率空间中的谐波。
(i)将上述特征值(94)组提供给至少一个分类器(90);以及
(j)使用上述特征值(94)组以及所述至少一个分类器(90)鉴别来自所述细胞样本的所述至少一个靶目标。
34.如权利要求1所述的方法,其特征在于,所述至少一个投影图像包括一x射线照相。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/055,066 US6519355B2 (en) | 2001-03-28 | 2002-01-22 | Optical projection imaging system and method for automatically detecting cells having nuclear and cytoplasmic densitometric features associated with disease |
US10/055,066 | 2002-01-22 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1623163A true CN1623163A (zh) | 2005-06-01 |
CN1294520C CN1294520C (zh) | 2007-01-10 |
Family
ID=27609191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB038028204A Expired - Fee Related CN1294520C (zh) | 2002-01-22 | 2003-01-21 | 自动检测具有与疾病相关的核密度特征和细胞质密度特征的细胞的光学投影成像方法 |
Country Status (11)
Country | Link |
---|---|
US (1) | US6519355B2 (zh) |
EP (1) | EP1474033B1 (zh) |
JP (1) | JP4718777B2 (zh) |
CN (1) | CN1294520C (zh) |
AT (1) | ATE408868T1 (zh) |
AU (1) | AU2003210590B2 (zh) |
CA (1) | CA2473678C (zh) |
DE (1) | DE60323605D1 (zh) |
ES (1) | ES2316764T3 (zh) |
HK (1) | HK1072492A1 (zh) |
WO (1) | WO2003061454A2 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102388305A (zh) * | 2009-02-02 | 2012-03-21 | 罗格斯新泽西州立大学 | 基于图像的风险分数-来自数字组织病理学的存活率和结果的预后预估 |
CN102946793A (zh) * | 2010-06-23 | 2013-02-27 | 西门子公司 | 借助于内胶囊识别胃肠道内的肿瘤病变组织的方法和设备 |
CN103969169A (zh) * | 2013-01-31 | 2014-08-06 | 西门子公司 | 对样本进行检测检测方法和装置 |
CN108604375A (zh) * | 2016-02-09 | 2018-09-28 | 分子装置有限公司 | 用于多维数据的图像分析的系统和方法 |
CN108603876A (zh) * | 2015-12-30 | 2018-09-28 | 维森盖特有限公司 | 用于自动检测和监测发育异常和施用化学预防的系统和方法 |
CN110770792A (zh) * | 2017-05-18 | 2020-02-07 | 博医来股份公司 | 确定临床靶体积 |
Families Citing this family (134)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8406498B2 (en) * | 1999-01-25 | 2013-03-26 | Amnis Corporation | Blood and cell analysis using an imaging flow cytometer |
US8885913B2 (en) | 1999-01-25 | 2014-11-11 | Amnis Corporation | Detection of circulating tumor cells using imaging flow cytometry |
US8131053B2 (en) * | 1999-01-25 | 2012-03-06 | Amnis Corporation | Detection of circulating tumor cells using imaging flow cytometry |
US8005314B2 (en) * | 2005-12-09 | 2011-08-23 | Amnis Corporation | Extended depth of field imaging for high speed object analysis |
US7450229B2 (en) * | 1999-01-25 | 2008-11-11 | Amnis Corporation | Methods for analyzing inter-cellular phenomena |
US7009651B2 (en) * | 2000-10-12 | 2006-03-07 | Amnis Corporation | System and method for high numeric aperture imaging systems |
US6944322B2 (en) * | 2001-03-28 | 2005-09-13 | Visiongate, Inc. | Optical tomography of small objects using parallel ray illumination and post-specimen optical magnification |
US7907765B2 (en) * | 2001-03-28 | 2011-03-15 | University Of Washington | Focal plane tracking for optical microtomography |
US20060023219A1 (en) * | 2001-03-28 | 2006-02-02 | Meyer Michael G | Optical tomography of small objects using parallel ray illumination and post-specimen optical magnification |
US7260253B2 (en) * | 2002-04-19 | 2007-08-21 | Visiongate, Inc. | Method for correction of relative object-detector motion between successive views |
US7738945B2 (en) * | 2002-04-19 | 2010-06-15 | University Of Washington | Method and apparatus for pseudo-projection formation for optical tomography |
US20050085708A1 (en) * | 2002-04-19 | 2005-04-21 | University Of Washington | System and method for preparation of cells for 3D image acquisition |
US7811825B2 (en) * | 2002-04-19 | 2010-10-12 | University Of Washington | System and method for processing specimens and images for optical tomography |
US7613335B2 (en) * | 2003-02-12 | 2009-11-03 | The University Of Iowa Research Foundation | Methods and devices useful for analyzing color medical images |
US7760927B2 (en) * | 2003-09-10 | 2010-07-20 | Bioimagene, Inc. | Method and system for digital image based tissue independent simultaneous nucleus cytoplasm and membrane quantitation |
US7803624B2 (en) * | 2003-09-30 | 2010-09-28 | Cytyc Corporation | Automated cytological sample classification |
US7693318B1 (en) | 2004-01-12 | 2010-04-06 | Pme Ip Australia Pty Ltd | Method and apparatus for reconstruction of 3D image volumes from projection images |
EP1800124B1 (en) * | 2004-03-16 | 2011-12-21 | Amnis Corporation | Image based quantitation of molecular translocation |
US8103080B2 (en) | 2004-03-16 | 2012-01-24 | Amnis Corporation | Method for imaging and differential analysis of cells |
US8953866B2 (en) | 2004-03-16 | 2015-02-10 | Amnis Corporation | Method for imaging and differential analysis of cells |
US20050244953A1 (en) * | 2004-04-30 | 2005-11-03 | Kimberly-Clark Worldwide, Inc. | Techniques for controlling the optical properties of assay devices |
US7815854B2 (en) * | 2004-04-30 | 2010-10-19 | Kimberly-Clark Worldwide, Inc. | Electroluminescent illumination source for optical detection systems |
US7796266B2 (en) * | 2004-04-30 | 2010-09-14 | Kimberly-Clark Worldwide, Inc. | Optical detection system using electromagnetic radiation to detect presence or quantity of analyte |
US20060019265A1 (en) * | 2004-04-30 | 2006-01-26 | Kimberly-Clark Worldwide, Inc. | Transmission-based luminescent detection systems |
US20050270298A1 (en) * | 2004-05-14 | 2005-12-08 | Mercury Computer Systems, Inc. | Daughter card approach to employing multiple graphics cards within a system |
JP2006029921A (ja) * | 2004-07-14 | 2006-02-02 | Institute Of Physical & Chemical Research | フローサイトメーター |
DE102004044626B4 (de) * | 2004-09-13 | 2008-11-20 | Leica Microsystems Cms Gmbh | Verfahren zur Untersuchung von Transportprozessen |
US6991738B1 (en) | 2004-10-13 | 2006-01-31 | University Of Washington | Flow-through drum centrifuge |
US20060096358A1 (en) * | 2004-10-28 | 2006-05-11 | University Of Washington | Optical projection tomography microscope |
US8189002B1 (en) | 2004-10-29 | 2012-05-29 | PME IP Australia Pty, Ltd. | Method and apparatus for visualizing three-dimensional and higher-dimensional image data sets |
US7778392B1 (en) | 2004-11-02 | 2010-08-17 | Pme Ip Australia Pty Ltd | Method of reconstructing computed tomography (CT) volumes suitable for execution on commodity central processing units (CPUs) and graphics processors, and apparatus operating in accord with those methods (rotational X-ray on GPUs) |
US20060106117A1 (en) * | 2004-11-12 | 2006-05-18 | Kimberly-Clark Worldwide, Inc. | Compound and method for prevention and/or treatment of vaginal infections |
US20060217446A1 (en) * | 2005-03-28 | 2006-09-28 | Kimberly-Clark Worldwide, Inc. | Method for preventing and/or treating trichomonas vaginitis |
US7619008B2 (en) * | 2004-11-12 | 2009-11-17 | Kimberly-Clark Worldwide, Inc. | Xylitol for treatment of vaginal infections |
US20070121113A1 (en) * | 2004-12-22 | 2007-05-31 | Cohen David S | Transmission-based optical detection systems |
US7609884B1 (en) | 2004-12-23 | 2009-10-27 | Pme Ip Australia Pty Ltd | Mutual information based registration of 3D-image volumes on GPU using novel accelerated methods of histogram computation |
EP1846163A2 (en) * | 2005-01-13 | 2007-10-24 | Micronics, Inc. | Microfluidic rare cell detection device |
US20060217443A1 (en) * | 2005-03-28 | 2006-09-28 | Kimberly-Clark Worldwide, Inc. | Method for preventing and/or treating vaginal and vulval infections |
US20060223765A1 (en) * | 2005-03-30 | 2006-10-05 | Kimberly-Clark Worldwide, Inc. | Method for inhibiting and/or treating vaginal infection |
US7623732B1 (en) | 2005-04-26 | 2009-11-24 | Mercury Computer Systems, Inc. | Method and apparatus for digital image filtering with discrete filter kernels using graphics hardware |
US7786176B2 (en) | 2005-07-29 | 2010-08-31 | Kimberly-Clark Worldwide, Inc. | Vaginal treatment composition containing xylitol |
US7996188B2 (en) | 2005-08-22 | 2011-08-09 | Accuri Cytometers, Inc. | User interface for a flow cytometer system |
US8017402B2 (en) | 2006-03-08 | 2011-09-13 | Accuri Cytometers, Inc. | Fluidic system for a flow cytometer |
US8303894B2 (en) | 2005-10-13 | 2012-11-06 | Accuri Cytometers, Inc. | Detection and fluidic system of a flow cytometer |
US8149402B2 (en) * | 2006-02-22 | 2012-04-03 | Accuri Cytometers, Inc. | Optical system for a flow cytometer |
US8031340B2 (en) * | 2006-02-22 | 2011-10-04 | Accuri Cytometers, Inc. | Optical system for a flow cytometer |
US7780916B2 (en) * | 2006-03-08 | 2010-08-24 | Accuri Cytometers, Inc. | Flow cytometer system with unclogging feature |
US8283177B2 (en) * | 2006-03-08 | 2012-10-09 | Accuri Cytometers, Inc. | Fluidic system with washing capabilities for a flow cytometer |
US8715573B2 (en) | 2006-10-13 | 2014-05-06 | Accuri Cytometers, Inc. | Fluidic system for a flow cytometer with temporal processing |
US8445286B2 (en) * | 2006-11-07 | 2013-05-21 | Accuri Cytometers, Inc. | Flow cell for a flow cytometer system |
US7739060B2 (en) * | 2006-12-22 | 2010-06-15 | Accuri Cytometers, Inc. | Detection system and user interface for a flow cytometer system |
US7867778B2 (en) * | 2007-02-23 | 2011-01-11 | Visiongate, Inc. | Fluid focusing for positional control of a specimen for 3-D imaging |
EP2126611A2 (en) * | 2007-03-12 | 2009-12-02 | Elta Systems Ltd. | Method and system for detecting motorized objects |
US8959448B2 (en) * | 2007-04-17 | 2015-02-17 | Emd Millipore Corporation | Graphical user interface for analysis and comparison of location-specific multiparameter data sets |
US7835561B2 (en) | 2007-05-18 | 2010-11-16 | Visiongate, Inc. | Method for image processing and reconstruction of images for optical tomography |
US8019151B2 (en) * | 2007-06-11 | 2011-09-13 | Visualization Sciences Group, Inc. | Methods and apparatus for image compression and decompression using graphics processing unit (GPU) |
US8392529B2 (en) | 2007-08-27 | 2013-03-05 | Pme Ip Australia Pty Ltd | Fast file server methods and systems |
US7787112B2 (en) * | 2007-10-22 | 2010-08-31 | Visiongate, Inc. | Depth of field extension for optical tomography |
US8548215B2 (en) | 2007-11-23 | 2013-10-01 | Pme Ip Australia Pty Ltd | Automatic image segmentation of a volume by comparing and correlating slice histograms with an anatomic atlas of average histograms |
US8319781B2 (en) | 2007-11-23 | 2012-11-27 | Pme Ip Australia Pty Ltd | Multi-user multi-GPU render server apparatus and methods |
US9904969B1 (en) | 2007-11-23 | 2018-02-27 | PME IP Pty Ltd | Multi-user multi-GPU render server apparatus and methods |
US10311541B2 (en) | 2007-11-23 | 2019-06-04 | PME IP Pty Ltd | Multi-user multi-GPU render server apparatus and methods |
US9019287B2 (en) | 2007-11-23 | 2015-04-28 | Pme Ip Australia Pty Ltd | Client-server visualization system with hybrid data processing |
US7843561B2 (en) * | 2007-12-17 | 2010-11-30 | Accuri Cytometers, Inc. | Optical system for a flow cytometer with an interrogation zone |
US8432541B2 (en) * | 2007-12-17 | 2013-04-30 | Accuri Cytometers, Inc. | Optical system for a flow cytometer with an interrogation zone |
US8983580B2 (en) | 2008-01-18 | 2015-03-17 | The Board Of Trustees Of The University Of Illinois | Low-coherence interferometry and optical coherence tomography for image-guided surgical treatment of solid tumors |
US8143600B2 (en) | 2008-02-18 | 2012-03-27 | Visiongate, Inc. | 3D imaging of live cells with ultraviolet radiation |
US8090183B2 (en) | 2009-03-12 | 2012-01-03 | Visiongate, Inc. | Pattern noise correction for pseudo projections |
US9602777B2 (en) | 2008-04-25 | 2017-03-21 | Roche Diagnostics Hematology, Inc. | Systems and methods for analyzing body fluids |
US9017610B2 (en) | 2008-04-25 | 2015-04-28 | Roche Diagnostics Hematology, Inc. | Method of determining a complete blood count and a white blood cell differential count |
US20100188739A1 (en) * | 2009-01-19 | 2010-07-29 | Visiongate, Inc. | Tomographic Light Field Microscope |
US8254023B2 (en) * | 2009-02-23 | 2012-08-28 | Visiongate, Inc. | Optical tomography system with high-speed scanner |
EP2409133A1 (en) * | 2009-03-20 | 2012-01-25 | Bio-Rad Laboratories, Inc. | Serial-line-scan-encoded multi-color fluorescence microscopy and imaging flow cytometry |
US8155420B2 (en) * | 2009-05-21 | 2012-04-10 | Visiongate, Inc | System and method for detecting poor quality in 3D reconstructions |
US20110061471A1 (en) * | 2009-06-02 | 2011-03-17 | Rich Collin A | System and method of verification of a sample for a flow cytometer |
US8507279B2 (en) | 2009-06-02 | 2013-08-13 | Accuri Cytometers, Inc. | System and method of verification of a prepared sample for a flow cytometer |
US8451524B2 (en) * | 2009-09-29 | 2013-05-28 | Amnis Corporation | Modifying the output of a laser to achieve a flat top in the laser's Gaussian beam intensity profile |
US10311214B2 (en) * | 2010-01-12 | 2019-06-04 | Rigel Pharmaceuticals, Inc. | Mode of action screening method |
US8779387B2 (en) | 2010-02-23 | 2014-07-15 | Accuri Cytometers, Inc. | Method and system for detecting fluorochromes in a flow cytometer |
US8817115B1 (en) | 2010-05-05 | 2014-08-26 | Amnis Corporation | Spatial alignment of image data from a multichannel detector using a reference image |
US9551600B2 (en) | 2010-06-14 | 2017-01-24 | Accuri Cytometers, Inc. | System and method for creating a flow cytometer network |
US9002781B2 (en) | 2010-08-17 | 2015-04-07 | Fujitsu Limited | Annotating environmental data represented by characteristic functions |
US9138143B2 (en) * | 2010-08-17 | 2015-09-22 | Fujitsu Limited | Annotating medical data represented by characteristic functions |
US8874607B2 (en) | 2010-08-17 | 2014-10-28 | Fujitsu Limited | Representing sensor data as binary decision diagrams |
US8583718B2 (en) | 2010-08-17 | 2013-11-12 | Fujitsu Limited | Comparing boolean functions representing sensor data |
US8930394B2 (en) | 2010-08-17 | 2015-01-06 | Fujitsu Limited | Querying sensor data stored as binary decision diagrams |
US8572146B2 (en) | 2010-08-17 | 2013-10-29 | Fujitsu Limited | Comparing data samples represented by characteristic functions |
US8645108B2 (en) | 2010-08-17 | 2014-02-04 | Fujitsu Limited | Annotating binary decision diagrams representing sensor data |
CN103168225B (zh) | 2010-10-25 | 2015-11-25 | 阿库里赛托梅特斯公司 | 用于收集流式细胞仪中的数据集的系统和用户接口 |
US9522396B2 (en) | 2010-12-29 | 2016-12-20 | S.D. Sight Diagnostics Ltd. | Apparatus and method for automatic detection of pathogens |
US8761486B2 (en) | 2011-02-22 | 2014-06-24 | Bio-Rad Laboratories, Inc. | Line scan cytometry systems and methods |
CN104094099B (zh) | 2011-04-15 | 2017-05-03 | 罗氏血液诊断股份有限公司 | 测量细胞体积和成份 |
JP2013015357A (ja) * | 2011-07-01 | 2013-01-24 | Shimadzu Corp | フローサイトメータ |
US9176819B2 (en) | 2011-09-23 | 2015-11-03 | Fujitsu Limited | Detecting sensor malfunctions using compression analysis of binary decision diagrams |
US8781995B2 (en) | 2011-09-23 | 2014-07-15 | Fujitsu Limited | Range queries in binary decision diagrams |
US8838523B2 (en) | 2011-09-23 | 2014-09-16 | Fujitsu Limited | Compression threshold analysis of binary decision diagrams |
US9177247B2 (en) | 2011-09-23 | 2015-11-03 | Fujitsu Limited | Partitioning medical binary decision diagrams for analysis optimization |
US8812943B2 (en) | 2011-09-23 | 2014-08-19 | Fujitsu Limited | Detecting data corruption in medical binary decision diagrams using hashing techniques |
US8909592B2 (en) | 2011-09-23 | 2014-12-09 | Fujitsu Limited | Combining medical binary decision diagrams to determine data correlations |
US9075908B2 (en) | 2011-09-23 | 2015-07-07 | Fujitsu Limited | Partitioning medical binary decision diagrams for size optimization |
US8719214B2 (en) | 2011-09-23 | 2014-05-06 | Fujitsu Limited | Combining medical binary decision diagrams for analysis optimization |
US8620854B2 (en) | 2011-09-23 | 2013-12-31 | Fujitsu Limited | Annotating medical binary decision diagrams with health state information |
WO2013098821A1 (en) | 2011-12-29 | 2013-07-04 | Parasight Ltd. | Methods and systems for detecting a pathogen in a biological sample |
US9091628B2 (en) | 2012-12-21 | 2015-07-28 | L-3 Communications Security And Detection Systems, Inc. | 3D mapping with two orthogonal imaging views |
US10540803B2 (en) | 2013-03-15 | 2020-01-21 | PME IP Pty Ltd | Method and system for rule-based display of sets of images |
US11244495B2 (en) | 2013-03-15 | 2022-02-08 | PME IP Pty Ltd | Method and system for rule based display of sets of images using image content derived parameters |
US8976190B1 (en) | 2013-03-15 | 2015-03-10 | Pme Ip Australia Pty Ltd | Method and system for rule based display of sets of images |
US11183292B2 (en) | 2013-03-15 | 2021-11-23 | PME IP Pty Ltd | Method and system for rule-based anonymized display and data export |
US9509802B1 (en) | 2013-03-15 | 2016-11-29 | PME IP Pty Ltd | Method and system FPOR transferring data to improve responsiveness when sending large data sets |
US10070839B2 (en) | 2013-03-15 | 2018-09-11 | PME IP Pty Ltd | Apparatus and system for rule based visualization of digital breast tomosynthesis and other volumetric images |
WO2014188405A1 (en) | 2013-05-23 | 2014-11-27 | Parasight Ltd. | Method and system for imaging a cell sample |
CN105283744B (zh) * | 2013-06-05 | 2018-05-18 | Ev 集团 E·索尔纳有限责任公司 | 用以确定压力地图的测量装置及方法 |
IL227276A0 (en) | 2013-07-01 | 2014-03-06 | Parasight Ltd | A method and system for obtaining a monolayer of cells, for use specifically for diagnosis |
WO2016030897A1 (en) | 2014-08-27 | 2016-03-03 | S.D. Sight Diagnostics Ltd | System and method for calculating focus variation for a digital microscope |
EP2998726B1 (de) * | 2014-09-18 | 2017-01-25 | Siemens Healthcare Diagnostics Products GmbH | Verfahren und Vorrichtung zur nephelometrischen Bestimmung eines Analyten |
US10162162B2 (en) | 2014-09-24 | 2018-12-25 | Arizona Board Of Regents, A Body Corporate Of The State Of Arizona, Acting For And On Behalf Of Arizona State University | Microfluidic systems and methods for hydrodynamic microvortical cell rotation in live-cell computed tomography |
US10733417B2 (en) | 2015-04-23 | 2020-08-04 | Cedars-Sinai Medical Center | Automated delineation of nuclei for three dimensional (3-D) high content screening |
US9594072B2 (en) * | 2015-06-30 | 2017-03-14 | Visiongate, Inc. | System and method for determining cell adequacy in a cytological analysis system |
US11599672B2 (en) | 2015-07-31 | 2023-03-07 | PME IP Pty Ltd | Method and apparatus for anonymized display and data export |
US9984478B2 (en) | 2015-07-28 | 2018-05-29 | PME IP Pty Ltd | Apparatus and method for visualizing digital breast tomosynthesis and other volumetric images |
AU2016322966B2 (en) | 2015-09-17 | 2021-10-14 | S.D. Sight Diagnostics Ltd | Methods and apparatus for detecting an entity in a bodily sample |
US11069054B2 (en) | 2015-12-30 | 2021-07-20 | Visiongate, Inc. | System and method for automated detection and monitoring of dysplasia and administration of immunotherapy and chemotherapy |
WO2017168411A1 (en) | 2016-03-30 | 2017-10-05 | S.D. Sight Diagnostics Ltd | Image processing device for identifying blood parasites |
JP6942148B2 (ja) | 2016-05-11 | 2021-09-29 | エス.ディー.サイト ダイアグノスティクス リミテッド | 試料に対する光学測定の実施 |
US11307196B2 (en) | 2016-05-11 | 2022-04-19 | S.D. Sight Diagnostics Ltd. | Sample carrier for optical measurements |
US10909679B2 (en) | 2017-09-24 | 2021-02-02 | PME IP Pty Ltd | Method and system for rule based display of sets of images using image content derived parameters |
JP7214729B2 (ja) | 2017-11-14 | 2023-01-30 | エス.ディー.サイト ダイアグノスティクス リミテッド | 光学測定用試料収容器 |
US10893842B2 (en) | 2018-02-08 | 2021-01-19 | Covidien Lp | System and method for pose estimation of an imaging device and for determining the location of a medical device with respect to a target |
WO2019169157A1 (en) | 2018-02-28 | 2019-09-06 | Visiongate, Inc. | Morphometric detection of malignancy associated change |
US11508168B2 (en) * | 2018-10-15 | 2022-11-22 | Upmc | Systems and methods for specimen interpretation |
CN109359694B (zh) * | 2018-10-24 | 2021-07-02 | 中国石油大学(华东) | 一种基于混合协同表示的分类器的图像分类方法和装置 |
CN110287983B (zh) * | 2019-05-10 | 2021-07-09 | 杭州电子科技大学 | 基于最大相关熵深度神经网络单分类器异常检测方法 |
CN111222393A (zh) * | 2019-10-12 | 2020-06-02 | 浙江大学 | 一种基于自学习神经网络的病理切片中印戒细胞检测方法 |
CN117635950B (zh) * | 2024-01-04 | 2024-04-09 | 广东欧谱曼迪科技股份有限公司 | 血管分割矫正处理的方法、装置、电子设备及存储介质 |
Family Cites Families (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3470373A (en) | 1966-10-18 | 1969-09-30 | Litton Systems Inc | Method for analysis and identification of biologic entities by phosphorescence |
US3497690A (en) | 1967-09-21 | 1970-02-24 | Bausch & Lomb | Method and apparatus for classifying biological cells by measuring the size and fluorescent response thereof |
US3657537A (en) | 1970-04-03 | 1972-04-18 | Bausch & Lomb | Computerized slit-scan cyto-fluorometer for automated cell recognition |
US3999047A (en) * | 1972-09-05 | 1976-12-21 | Green James E | Method and apparatus utilizing color algebra for analyzing scene regions |
US3833762A (en) | 1973-06-04 | 1974-09-03 | Rockwell International Corp | Solid state integrating, image motion compensating imager |
US3960449A (en) | 1975-06-05 | 1976-06-01 | The Board Of Trustees Of Leland Stanford Junior University | Measurement of angular dependence of scattered light in a flowing stream |
US4175860A (en) * | 1977-05-31 | 1979-11-27 | Rush-Presbyterian-St. Luke's Medical Center | Dual resolution method and apparatus for use in automated classification of pap smear and other samples |
US4293221A (en) | 1979-04-17 | 1981-10-06 | Research Corporation | Multidimensional slit-scan flow system |
US5281517A (en) * | 1985-11-04 | 1994-01-25 | Cell Analysis Systems, Inc. | Methods for immunoploidy analysis |
JPH0746100B2 (ja) * | 1986-12-30 | 1995-05-17 | 素秀 高浜 | 細胞固定・保存液 |
JPS6468638A (en) * | 1987-09-09 | 1989-03-14 | Yokogawa Electric Corp | Image observing device for particle in reaction tank |
JPH0641909B2 (ja) * | 1988-02-29 | 1994-06-01 | 日本アビオニクス株式会社 | カラー画像解析装置を用いた細胞の核酸量の顕微測光方法 |
JPH0675029B2 (ja) * | 1989-01-31 | 1994-09-21 | 株式会社島津製作所 | 粒度分布測定装置 |
JP2959813B2 (ja) * | 1990-07-13 | 1999-10-06 | シスメックス株式会社 | 粒子画像分析装置 |
JPH04337446A (ja) | 1991-05-15 | 1992-11-25 | Hitachi Ltd | 微粒子計測方法、定量方法および微粒子計測装置 |
JP3102925B2 (ja) * | 1991-09-20 | 2000-10-23 | シスメックス株式会社 | 粒子分析装置 |
JP3102926B2 (ja) * | 1991-09-20 | 2000-10-23 | シスメックス株式会社 | 粒子分析装置 |
US5548395A (en) * | 1991-09-20 | 1996-08-20 | Toa Medical Electronics Co., Ltd. | Particle analyzer |
JP3187129B2 (ja) * | 1992-04-01 | 2001-07-11 | シスメックス株式会社 | 粒子分析装置 |
US6026174A (en) | 1992-10-14 | 2000-02-15 | Accumed International, Inc. | System and method for automatically detecting malignant cells and cells having malignancy-associated changes |
US5402460A (en) | 1993-08-02 | 1995-03-28 | University Of Washington | Three-dimensional microtomographic analysis system |
AU3629295A (en) * | 1994-09-20 | 1996-04-09 | Neopath, Inc. | Apparatus for automated identification of thick cell groupings on a biological specimen |
US6252979B1 (en) | 1995-06-07 | 2001-06-26 | Tripath Imaging, Inc. | Interactive method and apparatus for sorting biological specimens |
US6251586B1 (en) * | 1995-10-02 | 2001-06-26 | The United States Of America As Represented By The Department Of Health And Human Services | Epithelial protein and DNA thereof for use in early cancer detection |
FI97665C (fi) | 1995-11-21 | 1997-01-27 | Planmed Oy | Menetelmät ja laitteet kohteen kuvantamisessa |
US6165734A (en) * | 1995-12-12 | 2000-12-26 | Applied Spectral Imaging Ltd. | In-situ method of analyzing cells |
CN2258617Y (zh) * | 1995-12-22 | 1997-07-30 | 天津中医学院 | 血沉曲线记录分析仪 |
CA2310672A1 (en) | 1997-11-19 | 1999-05-27 | University Of Washington | High throughput optical scanner |
US6251615B1 (en) | 1998-02-20 | 2001-06-26 | Cell Analytics, Inc. | Cell analysis methods |
US6249341B1 (en) | 1999-01-25 | 2001-06-19 | Amnis Corporation | Imaging and analyzing parameters of small moving objects such as cells |
JP2001174456A (ja) * | 1999-12-20 | 2001-06-29 | Toyobo Co Ltd | 白血球細分類装置および白血球の細分類方法 |
-
2002
- 2002-01-22 US US10/055,066 patent/US6519355B2/en not_active Expired - Lifetime
-
2003
- 2003-01-21 CA CA2473678A patent/CA2473678C/en not_active Expired - Fee Related
- 2003-01-21 EP EP03732015A patent/EP1474033B1/en not_active Expired - Lifetime
- 2003-01-21 CN CNB038028204A patent/CN1294520C/zh not_active Expired - Fee Related
- 2003-01-21 DE DE60323605T patent/DE60323605D1/de not_active Expired - Lifetime
- 2003-01-21 AU AU2003210590A patent/AU2003210590B2/en not_active Ceased
- 2003-01-21 ES ES03732015T patent/ES2316764T3/es not_active Expired - Lifetime
- 2003-01-21 AT AT03732015T patent/ATE408868T1/de not_active IP Right Cessation
- 2003-01-21 JP JP2003561404A patent/JP4718777B2/ja not_active Expired - Lifetime
- 2003-01-21 WO PCT/US2003/001761 patent/WO2003061454A2/en active Application Filing
-
2005
- 2005-05-03 HK HK05103748.4A patent/HK1072492A1/xx not_active IP Right Cessation
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102388305A (zh) * | 2009-02-02 | 2012-03-21 | 罗格斯新泽西州立大学 | 基于图像的风险分数-来自数字组织病理学的存活率和结果的预后预估 |
CN102388305B (zh) * | 2009-02-02 | 2014-11-19 | 罗格斯新泽西州立大学 | 基于图像的风险分数-来自数字组织病理学的存活率和结果的预后预估 |
US9002092B2 (en) | 2009-02-02 | 2015-04-07 | Rutgers, The State University Of New Jersey | Image-based risk score—A prognostic predictor of survival and outcome from digital histopathology |
CN102946793A (zh) * | 2010-06-23 | 2013-02-27 | 西门子公司 | 借助于内胶囊识别胃肠道内的肿瘤病变组织的方法和设备 |
CN102946793B (zh) * | 2010-06-23 | 2015-08-19 | 西门子公司 | 借助于内胶囊识别胃肠道内的肿瘤病变组织的设备 |
CN103969169A (zh) * | 2013-01-31 | 2014-08-06 | 西门子公司 | 对样本进行检测检测方法和装置 |
CN103969169B (zh) * | 2013-01-31 | 2017-11-17 | 西门子公司 | 对样本进行检测检测方法和装置 |
CN108603876A (zh) * | 2015-12-30 | 2018-09-28 | 维森盖特有限公司 | 用于自动检测和监测发育异常和施用化学预防的系统和方法 |
CN108604375A (zh) * | 2016-02-09 | 2018-09-28 | 分子装置有限公司 | 用于多维数据的图像分析的系统和方法 |
US11334743B2 (en) | 2016-02-09 | 2022-05-17 | Molecular Devices, Llc | System and method for image analysis of multi-dimensional data |
CN108604375B (zh) * | 2016-02-09 | 2022-11-01 | 分子装置有限公司 | 用于多维数据的图像分析的系统和方法 |
CN110770792A (zh) * | 2017-05-18 | 2020-02-07 | 博医来股份公司 | 确定临床靶体积 |
Also Published As
Publication number | Publication date |
---|---|
DE60323605D1 (de) | 2008-10-30 |
AU2003210590B2 (en) | 2008-02-21 |
JP2005539209A (ja) | 2005-12-22 |
WO2003061454A2 (en) | 2003-07-31 |
US20020150285A1 (en) | 2002-10-17 |
EP1474033A2 (en) | 2004-11-10 |
CA2473678A1 (en) | 2003-07-31 |
JP4718777B2 (ja) | 2011-07-06 |
CN1294520C (zh) | 2007-01-10 |
US6519355B2 (en) | 2003-02-11 |
HK1072492A1 (en) | 2005-08-26 |
CA2473678C (en) | 2013-11-05 |
EP1474033B1 (en) | 2008-09-17 |
ES2316764T3 (es) | 2009-04-16 |
EP1474033A4 (en) | 2007-04-04 |
WO2003061454A3 (en) | 2003-09-04 |
ATE408868T1 (de) | 2008-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1294520C (zh) | 自动检测具有与疾病相关的核密度特征和细胞质密度特征的细胞的光学投影成像方法 | |
US6636623B2 (en) | Optical projection imaging system and method for automatically detecting cells with molecular marker compartmentalization associated with malignancy and disease | |
CA2442040C (en) | Apparatus and method for imaging small objects in a flow stream using optical tomography | |
AU2003210590A1 (en) | Automatically detecting cells having nuclear and cytoplasmic densitometric features associated with disease by optical imaging | |
CA2663744C (en) | Focal plane tracking for optical microtomography | |
EP1496797B1 (en) | Variable-motion optical tomography of small objects | |
US20030210760A1 (en) | Method and apparatus for emission computed tomography using temporal signatures | |
CN1720539A (zh) | 使用平行射线照射的小对象的光学层析术和后标本光学放大 | |
AU2002303160B2 (en) | Apparatus and method for imaging small objects in a flow stream using optical tomography | |
AU2002303160A1 (en) | Apparatus and method for imaging small objects in a flow stream using optical tomography |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20070110 Termination date: 20200121 |
|
CF01 | Termination of patent right due to non-payment of annual fee |