DE17170141T1 - Erkennung und Visualisierung von Korrelationen zwischen gemessenen Korrelationswerten und Korrelation von Referenzwerten eines Weges - Google Patents

Erkennung und Visualisierung von Korrelationen zwischen gemessenen Korrelationswerten und Korrelation von Referenzwerten eines Weges Download PDF

Info

Publication number
DE17170141T1
DE17170141T1 DE17170141.0T DE17170141T DE17170141T1 DE 17170141 T1 DE17170141 T1 DE 17170141T1 DE 17170141 T DE17170141 T DE 17170141T DE 17170141 T1 DE17170141 T1 DE 17170141T1
Authority
DE
Germany
Prior art keywords
value
image
identifying
correlation value
tile
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.)
Pending
Application number
DE17170141.0T
Other languages
English (en)
Inventor
Ralf Schönmeyer
Sonja Althammer
Günter Schmidt
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Definiens AG
Original Assignee
Definiens AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Definiens AG filed Critical Definiens AG
Publication of DE17170141T1 publication Critical patent/DE17170141T1/de
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B99/00—Subject matter not provided for in other groups of this subclass
    • 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
    • G06T2207/30096—Tumor; Lesion
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biotechnology (AREA)
  • Molecular Biology (AREA)
  • Epidemiology (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Multimedia (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Bioethics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Primary Health Care (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

Verfahren unter Einbeziehung eines Systems zur Bestimmung und Visualisierung eines Korrelationswertes, wobei das Verfahren umfasst: (a) Segmentieren eines digitalen Bildes eines Gewebeschnitts eines Krebspatienten in erste Bildobjekte, die Immunzellen darstellen, und zweite Bildobjekte, die Krebszellen darstellen, wobei der Gewebeschnitt mit einem ersten Antikörper gefärbt wurde, der für ein im Immunzellen vorhandenes erstes Protein spezifisch ist, und wobei der Gewebeschnitt mit einem zweiten Antikörper gefärbt wurde, der für ein in Krebszellen vorhandenes zweites Protein spezifisch ist; (b) Identifizieren eines Referenzkorrelationswertes; (c) Identifizieren eines Bildbereichs in dem digitalen Bild, wobei der Bildbereich in einen Satz von Kacheln unterteilt ist; (d) Erzeugen eines ersten Wertes und eines zweiten Wertes für jede Kachel, wobei der erste Wert bezeichnend ist für eine Dichte der ersten Bildobjekte in der Kachel und wobei der zweite Wert bezeichnend ist für eine Dichte der zweiten Bildobjekte in der Kachel; (e) Bestimmen für den Bildbereich eines gemessenen Korrelationswertes des ersten Wertes in Bezug auf den zweiten Wert; (f) Vergleichen des in (e) bestimmten gemessenen Korrelationswertes mit dem in (b) identifizierten Referenzkorrelationswert und dadurch Erzeugen eines Übereinstimmungswertes; und (g) Anzeigen des Bildbereichs auf einem Display des Systems zusammen mit einer zugehörigen visuellen Anzeige, die den in (f) bestimmten Übereinstimmungswert darstellt, wobei (a) bis (g) von dem System ausgeführt werden.

Claims (20)

  1. Verfahren unter Einbeziehung eines Systems zur Bestimmung und Visualisierung eines Korrelationswertes, wobei das Verfahren umfasst: (a) Segmentieren eines digitalen Bildes eines Gewebeschnitts eines Krebspatienten in erste Bildobjekte, die Immunzellen darstellen, und zweite Bildobjekte, die Krebszellen darstellen, wobei der Gewebeschnitt mit einem ersten Antikörper gefärbt wurde, der für ein im Immunzellen vorhandenes erstes Protein spezifisch ist, und wobei der Gewebeschnitt mit einem zweiten Antikörper gefärbt wurde, der für ein in Krebszellen vorhandenes zweites Protein spezifisch ist; (b) Identifizieren eines Referenzkorrelationswertes; (c) Identifizieren eines Bildbereichs in dem digitalen Bild, wobei der Bildbereich in einen Satz von Kacheln unterteilt ist; (d) Erzeugen eines ersten Wertes und eines zweiten Wertes für jede Kachel, wobei der erste Wert bezeichnend ist für eine Dichte der ersten Bildobjekte in der Kachel und wobei der zweite Wert bezeichnend ist für eine Dichte der zweiten Bildobjekte in der Kachel; (e) Bestimmen für den Bildbereich eines gemessenen Korrelationswertes des ersten Wertes in Bezug auf den zweiten Wert; (f) Vergleichen des in (e) bestimmten gemessenen Korrelationswertes mit dem in (b) identifizierten Referenzkorrelationswert und dadurch Erzeugen eines Übereinstimmungswertes; und (g) Anzeigen des Bildbereichs auf einem Display des Systems zusammen mit einer zugehörigen visuellen Anzeige, die den in (f) bestimmten Übereinstimmungswert darstellt, wobei (a) bis (g) von dem System ausgeführt werden.
  2. Verfahren nach Anspruch 1, wobei das System eine Vielzahl von Referenzkorrelationswerten speichert, wobei das Identifizieren von (b) ein Empfangen einer Benutzereingabe in das System einbezieht, wobei das System dann die Benutzereingabe verwendet, um einen der Vielzahl von Referenzkorrelationswerten als den in (b) identifizierten Referenzkorrelationswert zu identifizieren.
  3. Verfahren nach Anspruch 1 oder 2, wobei das Identifizieren von (b) ferner ein Anzeigen einer Darstellung eines Weges auf dem Display des Systems beinhaltet.
  4. Verfahren nach Anspruch 1 oder 2, wobei das Identifizieren von (b) ferner ein Anzeigen einer Darstellung eines Weges auf dem Display des Systems beinhaltet, wobei die Darstellung eine Vielzahl von durch einen Benutzer auswählbaren Symbolen beinhaltet.
  5. Verfahren nach Anspruch 1 oder 2, wobei das Identifizieren von (b) ferner beinhaltet, dass dem Benutzer auf dem Display des Systems eine Darstellung eines jeden Weges einer Vielzahl von Wegen angezeigt wird und der Benutzer aufgefordert wird, einen der Wege auszuwählen.
  6. Verfahren nach Anspruch 1 oder 2, wobei das Identifizieren von (b) ein Empfangen einer Benutzereingabe in das System beinhaltet, wobei die Benutzereingabe der Referenzkorrelationswert ist.
  7. Verfahren nach einem der Ansprüche 1 bis 6, wobei das Identifizieren von (b) ein Empfangen einer Benutzereingabe in das System beinhaltet, wobei das System dann die Benutzereingabe verwendet, um den Bildbereich in dem digitalen Bild zu identifizieren.
  8. Verfahren nach einem der Ansprüche 1 bis 6, wobei das Identifizieren von (c) ein Unterteilen des digitalen Bildes in eine zweidimensionale Matrix aus identisch geformten Bildbereichen beinhaltet, wobei der in (c) identifizierte Bildbereich einer dieser identisch geformten Bildbereiche ist.
  9. Verfahren nach einem der Ansprüche 1 bis 8, wobei das Erzeugen von (d) für jede Kachel ein Zählen der ersten Bildobjekte in der Kachel, wodurch eine erste Zählung erzeugt wird, und ein Zählen der zweiten Bildobjekte in der Kachel, wodurch eine zweite Zählung erzeugt, beinhaltet, wobei die erste Zählung der erste Wert ist und wobei die zweite Zählung der zweite Wert ist.
  10. Verfahren nach einem der Ansprüche 1 bis 9, wobei das Bestimmen von (e) eine Bestimmung eines Spearman-Rangkorrelationskoeffizienten ist.
  11. Verfahren nach einem der Ansprüche 1 bis 10, wobei der in (f) bestimmte Übereinstimmungswert bezeichnend ist für den Absolutwert einer Differenz zwischen dem in (e) bestimmten gemessenen Korrelationswert und dem in (b) identifizierten Referenzkorrelationswert.
  12. Verfahren nach einem der Ansprüche 1 bis 11, wobei die visuelle Anzeige von (g) eine Schattierung des Bildbereichs ist, wobei ein Grad der Schattierung die Größenordnung des Übereinstimmungswertes bezeichnet.
  13. Verfahren nach Anspruch 12, wobei die visuelle Anzeige von (g) ferner eine Schattierungslegende umfasst, wobei die Schattierungslegende für jede mögliche Schattierung des Bildbereichs einen entsprechenden Entsprechungswert angibt.
  14. Verfahren unter Einbeziehung eines Systems zur Bestimmung und Visualisierung eines Korrelationswertes, wobei das Verfahren umfasst: (a) Empfangen eines digitalen Bildes einer Gewebeprobe eines Krebspatienten in das System, wobei die Gewebeprobe erste Bildobjekte enthält, die mit einer ersten Antikörperfärbung gefärbt sind, und wobei die Gewebeprobe auch zweite Bildobjekte enthält, die mit einer zweiten Antikörperfärbung gefärbt sind; (b) Identifizieren der ersten Bildobjekte in dem digitalen Bild; (c) Identifizieren der zweiten Bildobjekte in dem digitalen Bild; (d) Identifizieren eines Referenzkorrelationswertes; (e) Identifizieren eines Bildbereichs in dem digitalen Bild, wobei der Bildbereich in einen Satz von Kacheln unterteilt ist; (f) Erzeugen eines ersten Wertes und eines zweiten Wertes für jede Kachel der Bildregion, wobei der erste Wert bezeichnend ist für eine Dichte der ersten Bildobjekte in der Kachel und wobei der zweite Wert bezeichnend ist für eine Dichte der zweiten Bildobjekte in der Kachel; (g) Bestimmen eines gemessenen Korrelationswertes des ersten Wertes in Bezug auf den zweiten Wert; (h) Vergleichen des in (e) bestimmten gemessenen Korrelationswertes mit dem in (d) identifizierten Referenzkorrelationswert, wodurch ein Übereinstimmungswert erzeugt wird; und (i) Anzeigen des Bildbereichs auf einem Display des Systems zusammen mit einer zugehörigen visuellen Anzeige, die den in (h) bestimmten Übereinstimmungswert darstellt, wobei (a) bis (h) von dem System ausgeführt werden.
  15. Verfahren nach Anspruch 14, wobei das Empfangen von (a) ein Speichern einer digitalen Bilddatei in das System ist und wobei der in (h) erzeugte Übereinstimmungswert in (i) als eine visuelle Anzeige einer Differenz zwischen dem in (g) bestimmten gemessenen Korrelationswert und dem in (d) identifizierten Referenzkorrelationswert angezeigt wird.
  16. Verfahren nach Anspruch 14 oder 15, wobei das digitale Bild einen Bereich darstellt, wobei das Identifizieren von (e) ein Unterteilen des Bereichs des digitalen Bildes in eine zweidimensionale Matrix aus identisch geformten Bildbereichen ist, wobei der in (e) identifizierte Bildbereich einer der Bildbereiche der zweidimensionalen Matrix ist.
  17. Verfahren nach einem der Ansprüche 14 bis 16, wobei das Identifizieren des Referenzkorrelationswertes von (d) ein Anzeigen einer Darstellung eines Weges auf dem Display des Systems beinhaltet, wobei die Darstellung eine Vielzahl von durch einen Benutzer auswählbaren Symbolen umfasst und wobei das Identifizieren des Korrelationswertes von (d) ferner ein Empfangen einer Benutzerwegesymbolauswahlinformation in das System beinhaltet.
  18. Verfahren unter Einbeziehung eines Systems zur Bestimmung und Visualisierung eines Korrelationswertes, wobei das Verfahren umfasst: (a) Speichern einer digitalen Bildinformation einer Gewebeprobe eines Krebspatienten auf dem System, wobei die Gewebeprobe erste Bildobjekte enthält, die mit einer ersten Färbung gefärbt sind, und wobei die Gewebeprobe auch zweite Bildobjekte enthält, die mit einer zweiten Färbung gefärbt sind; (b) Speichern einer Vielzahl von Referenzkorrelationswerten auf dem System; (c) Speichern einer Vielzahl von gemessenen Korrelationswerten auf dem System, wobei einer der gemessenen Korrelationswerte bezeichnend ist für eine Korrelation zwischen den ersten Bildobjekten und den zweiten Bildobjekten, wobei der eine gemessene Korrelationswert von dem System aus der digitalen Bildinformation erzeugt wurde; (d) Empfangen einer Benutzereingabeinformation in das System, wobei die Benutzereingabeinformation eine Benutzerwegeauswahlinformation einschließt; und (e) als Reaktion auf das Empfangen in (d) Veranlassen, dass eine visuelle Anzeige eines Übereinstimmungswertes auf einem Display des Systems angezeigt wird, wobei der Übereinstimmungswert bezeichnend ist für einen Vergleich des einen gemessenen Korrelationswertes mit einem der Referenzkorrelationswerte, und wobei (a) bis (e) von dem System ausgeführt werden.
  19. Verfahren nach Anspruch 18, ferner umfassend: (f) als Reaktion auf das Empfangen einer Benutzereingabeinformation in (d) Veranlassen, dass eine Darstellung eines Weges auf dem System angezeigt wird, wobei die Darstellung des Weges ein erstes Wegeknotensymbol und ein zweites Wegeknotensymbol umfasst, wobei das erste Wegeknotensymbol ein erstes Protein darstellt, wobei das zweite Wegeknotensymbol ein zweites Protein darstellt und wobei der eine Referenzkorrelationswert in (e) ein Referenzkorrelationswert des ersten Proteins in Bezug auf das zweite Protein ist.
  20. Verfahren nach Anspruch 19, wobei das erste Wegeknotensymbol ein von einem Benutzer auswählbares Symbol ist, wobei das zweite Wegeknotensymbol ein auswählbares Symbol ist, wobei die in (d) empfangene Benutzereingabeinformation eine Information einschließt, die angibt, dass das erste Wegeknotensymbol ausgewählt wurde, und wobei die in (d) empfangene Benutzereingabeinformation ferner eine Information einschließt, die angibt, dass das zweite Wegeknotensymbol ausgewählt wurde.
DE17170141.0T 2016-06-09 2017-05-09 Erkennung und Visualisierung von Korrelationen zwischen gemessenen Korrelationswerten und Korrelation von Referenzwerten eines Weges Pending DE17170141T1 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/178,002 US9990713B2 (en) 2016-06-09 2016-06-09 Detecting and visualizing correlations between measured correlation values and correlation reference values of a pathway
US201615178002 2016-06-09
EP17170141.0A EP3255582A1 (de) 2016-06-09 2017-05-09 Erkennung und visualisierung von korrelationen zwischen gemessenen korrelationswerten und korrelation von referenzwerten eines weges

Publications (1)

Publication Number Publication Date
DE17170141T1 true DE17170141T1 (de) 2018-03-01

Family

ID=59053874

Family Applications (1)

Application Number Title Priority Date Filing Date
DE17170141.0T Pending DE17170141T1 (de) 2016-06-09 2017-05-09 Erkennung und Visualisierung von Korrelationen zwischen gemessenen Korrelationswerten und Korrelation von Referenzwerten eines Weges

Country Status (3)

Country Link
US (1) US9990713B2 (de)
EP (1) EP3255582A1 (de)
DE (1) DE17170141T1 (de)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220117544A1 (en) * 2018-08-31 2022-04-21 Seno Medical Instruments, Inc. Optoacoustic feature score correlation to ipsilateral axillary lymph node status
CN111430011B (zh) * 2020-03-31 2023-08-29 杭州依图医疗技术有限公司 细胞染色图像的显示方法、处理方法及存储介质

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020186875A1 (en) * 2001-04-09 2002-12-12 Burmer Glenna C. Computer methods for image pattern recognition in organic material
US7801361B2 (en) 2002-10-15 2010-09-21 Definiens Ag Analyzing pixel data using image, thematic and object layers of a computer-implemented network structure
US8594410B2 (en) 2006-08-28 2013-11-26 Definiens Ag Context driven image mining to generate image-based biomarkers
US7187790B2 (en) * 2002-12-18 2007-03-06 Ge Medical Systems Global Technology Company, Llc Data processing and feedback method and system
US20080292194A1 (en) * 2005-04-27 2008-11-27 Mark Schmidt Method and System for Automatic Detection and Segmentation of Tumors and Associated Edema (Swelling) in Magnetic Resonance (Mri) Images
EP1777523A1 (de) * 2005-10-19 2007-04-25 INSERM (Institut National de la Santé et de la Recherche Médicale) In-vitro-Verfahren zur Prognose einer Tumorprogression und des Ergebnisses bei einem Patienten sowie Mittel zur Durchführung dieses Verfahrens
EP1945794A2 (de) * 2005-11-09 2008-07-23 Chemimage Corporation System und verfahren zur zytologischen analyse über raman-spektroskopische abbildung
JP5536450B2 (ja) * 2006-06-28 2014-07-02 バイオ−ツリー システムズ， インコーポレイテッド ビン方式微小血管密度法、およびその装置
US8019134B2 (en) 2006-11-16 2011-09-13 Definiens Ag Automatic image analysis and quantification for fluorescence in situ hybridization
WO2008082341A1 (en) * 2007-01-02 2008-07-10 Synthetic Mr Ab A method of visualizing mr images
US10722562B2 (en) * 2008-07-23 2020-07-28 Immudex Aps Combinatorial analysis and repair
US8488863B2 (en) * 2008-11-06 2013-07-16 Los Alamos National Security, Llc Combinational pixel-by-pixel and object-level classifying, segmenting, and agglomerating in performing quantitative image analysis that distinguishes between healthy non-cancerous and cancerous cell nuclei and delineates nuclear, cytoplasm, and stromal material objects from stained biological tissue materials
EP2601513B1 (de) * 2010-08-05 2014-05-14 Cambridge Research & Instrumentation, Inc. Verbesserte visuelle untersuchung von proben
PL2619576T3 (pl) * 2010-09-24 2021-07-05 Niels Grabe Środki i sposoby do prognozowania odpowiedzi na leczenie u pacjenta chorego na nowotwór złośliwy
US10043297B2 (en) * 2010-12-07 2018-08-07 Koninklijke Philips N.V. Method and system for managing imaging data
US9159129B2 (en) * 2011-07-12 2015-10-13 Definiens Ag Generating image-based diagnostic tests by optimizing image analysis and data mining of co-registered images
US8699769B2 (en) * 2011-07-12 2014-04-15 Definiens Ag Generating artificial hyperspectral images using correlated analysis of co-registered images
US9042630B2 (en) 2011-10-26 2015-05-26 Definiens Ag Biomarker evaluation through image analysis
US9740912B2 (en) 2011-12-20 2017-08-22 Definiens Ag Evaluation of co-registered images of differently stained tissue slices
WO2013106733A1 (en) * 2012-01-12 2013-07-18 The Regents Of The University Of Michigan Method of determining the viability of at least one cell
JP6240097B2 (ja) * 2012-02-13 2017-11-29 ホロジック インコーポレイティッド 合成画像データを使用してトモシンセシススタックをナビゲートする方法
EP2833123A4 (de) * 2012-03-30 2015-12-09 Konica Minolta Inc Medizinischer bildprozessor und programm
US20140372450A1 (en) 2013-06-14 2014-12-18 General Electric Company Methods of viewing and analyzing high content biological data
JP6612788B2 (ja) * 2014-06-25 2019-11-27 コーニンクレッカ フィリップス エヌ ヴェ 患者及び臨床医を支援するために、共有される、患者中心の意思決定サポートツールを用いるシステム及び方法
WO2016034655A2 (en) 2014-09-03 2016-03-10 Ventana Medical Systems, Inc. Systems and methods for generating fields of view
US9298968B1 (en) 2014-09-12 2016-03-29 Flagship Biosciences, Inc. Digital image analysis of inflammatory cells and mediators of inflammation
US9741112B2 (en) * 2015-09-10 2017-08-22 Definiens Ag Generating image-based diagnostic tests by optimizing image analysis and data mining of co-registered images

Also Published As

Publication number Publication date
US20170358074A1 (en) 2017-12-14
US9990713B2 (en) 2018-06-05
EP3255582A1 (de) 2017-12-13

Similar Documents

Publication Publication Date Title
US10262189B2 (en) Evaluation of co-registered images of differently stained tissue slices
Lowes et al. Understanding ethnic identity in africa: Evidence from the implicit association test (iat)
EP3127084B1 (de) Vorrichtung zur bildbearbeitung- and analyse
Cordelieres et al. Experimenters' guide to colocalization studies: finding a way through indicators and quantifiers, in practice
JP6698663B2 (ja) 自動化スライド全域解析の品質管理
JP2016517515A5 (de)
CN104364822B (zh) 分割突出显示器
US10089518B2 (en) Graphical user interface for analysis of red blood cells
DE102006048190A1 (de) System und Verfahren zur verbesserten Betrachtung von Rippenmetastasen
Burgos et al. Long-term population structure, mortality and modeling of a tropical multi-fleet fishery: the red grouper Epinephelus morio of the Campeche Bank, Gulf of Mexico
US20130208950A1 (en) Automatic Image Analysis and Quantification for Fluorescence in situ Hybridization
DE17170141T1 (de) Erkennung und Visualisierung von Korrelationen zwischen gemessenen Korrelationswerten und Korrelation von Referenzwerten eines Weges
Stoian et al. Sensitive approach and future perspectives in microscopic patterns of mycorrhizal roots
CN111656393A (zh) 组织学图像分析
Stenzinger et al. Quantitative analysis of diagnostic guidelines for HER2-status assessment
Johnson et al. Old data for old questions: what can the historical collections really tell us about the Neogene origins of reef-coral diversity in the Coral Triangle?
JP6646552B2 (ja) 画像診断支援装置、画像診断支援方法及び試料分析システム
Bertini et al. By chance is not enough: preserving relative density through nonuniform sampling
JP2009515580A (ja) 時間シーケンスボリュームレンダリング
Paun et al. Quantification of the detailed cardiac left ventricular trabecular morphogenesis in the mouse embryo
Mata et al. Zigzag persistent homology for processing neuronal images
US20210025878A1 (en) Biomarker analysis for high-throughput diagnostic multiplex data
CN106156472A (zh) 一种遥感卫星对地覆盖能力分析方法
CN115151956A (zh) 用于处理活检的全切片图像wsi的系统
TWI813145B (zh) 多重螢光組織影像分析方法及其系統