RU2461063C2 - Способ подсчета и сегментации частиц вирусов на изображении - Google Patents
Способ подсчета и сегментации частиц вирусов на изображении Download PDFInfo
- Publication number
- RU2461063C2 RU2461063C2 RU2009149093/08A RU2009149093A RU2461063C2 RU 2461063 C2 RU2461063 C2 RU 2461063C2 RU 2009149093/08 A RU2009149093/08 A RU 2009149093/08A RU 2009149093 A RU2009149093 A RU 2009149093A RU 2461063 C2 RU2461063 C2 RU 2461063C2
- Authority
- RU
- Russia
- Prior art keywords
- viral particles
- objects
- radius
- image
- particles
- Prior art date
Links
- 239000002245 particle Substances 0.000 title claims abstract description 75
- 230000003612 virological effect Effects 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000011218 segmentation Effects 0.000 claims abstract description 9
- 230000003834 intracellular effect Effects 0.000 claims abstract description 6
- 239000000126 substance Substances 0.000 claims abstract description 6
- 238000009826 distribution Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 4
- 239000000825 pharmaceutical preparation Substances 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 7
- 238000003917 TEM image Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 3
- 210000004027 cell Anatomy 0.000 description 28
- 241000700605 Viruses Species 0.000 description 18
- 208000015181 infectious disease Diseases 0.000 description 10
- 239000013641 positive control Substances 0.000 description 8
- 210000000234 capsid Anatomy 0.000 description 7
- 210000000605 viral structure Anatomy 0.000 description 7
- 241000701024 Human betaherpesvirus 5 Species 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 108090000623 proteins and genes Proteins 0.000 description 5
- 102000004169 proteins and genes Human genes 0.000 description 5
- CSCPPACGZOOCGX-UHFFFAOYSA-N Acetone Chemical compound CC(C)=O CSCPPACGZOOCGX-UHFFFAOYSA-N 0.000 description 4
- 238000000635 electron micrograph Methods 0.000 description 4
- 210000002889 endothelial cell Anatomy 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 108091003079 Bovine Serum Albumin Proteins 0.000 description 3
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 description 3
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 239000012894 fetal calf serum Substances 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000035800 maturation Effects 0.000 description 3
- 238000001000 micrograph Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 108010047303 von Willebrand Factor Proteins 0.000 description 3
- 108020004459 Small interfering RNA Proteins 0.000 description 2
- COQLPRJCUIATTQ-UHFFFAOYSA-N Uranyl acetate Chemical compound O.O.O=[U]=O.CC(O)=O.CC(O)=O COQLPRJCUIATTQ-UHFFFAOYSA-N 0.000 description 2
- HOQPTLCRWVZIQZ-UHFFFAOYSA-H bis[[2-(5-hydroxy-4,7-dioxo-1,3,2$l^{2}-dioxaplumbepan-5-yl)acetyl]oxy]lead Chemical compound [Pb+2].[Pb+2].[Pb+2].[O-]C(=O)CC(O)(CC([O-])=O)C([O-])=O.[O-]C(=O)CC(O)(CC([O-])=O)C([O-])=O HOQPTLCRWVZIQZ-UHFFFAOYSA-H 0.000 description 2
- 238000001739 density measurement Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- MHMNJMPURVTYEJ-UHFFFAOYSA-N fluorescein-5-isothiocyanate Chemical compound O1C(=O)C2=CC(N=C=S)=CC=C2C21C1=CC=C(O)C=C1OC1=CC(O)=CC=C21 MHMNJMPURVTYEJ-UHFFFAOYSA-N 0.000 description 2
- 238000000799 fluorescence microscopy Methods 0.000 description 2
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000013642 negative control Substances 0.000 description 2
- 238000003752 polymerase chain reaction Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000002685 pulmonary effect Effects 0.000 description 2
- 210000000329 smooth muscle myocyte Anatomy 0.000 description 2
- IHQKEDIOMGYHEB-UHFFFAOYSA-M sodium dimethylarsinate Chemical compound [Na+].C[As](C)([O-])=O IHQKEDIOMGYHEB-UHFFFAOYSA-M 0.000 description 2
- UCSJYZPVAKXKNQ-HZYVHMACSA-N streptomycin Chemical compound CN[C@H]1[C@H](O)[C@@H](O)[C@H](CO)O[C@H]1O[C@@H]1[C@](C=O)(O)[C@H](C)O[C@H]1O[C@@H]1[C@@H](NC(N)=N)[C@H](O)[C@@H](NC(N)=N)[C@H](O)[C@H]1O UCSJYZPVAKXKNQ-HZYVHMACSA-N 0.000 description 2
- 239000006228 supernatant Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 102100036537 von Willebrand factor Human genes 0.000 description 2
- 229960001134 von willebrand factor Drugs 0.000 description 2
- JKMHFZQWWAIEOD-UHFFFAOYSA-N 2-[4-(2-hydroxyethyl)piperazin-1-yl]ethanesulfonic acid Chemical compound OCC[NH+]1CCN(CCS([O-])(=O)=O)CC1 JKMHFZQWWAIEOD-UHFFFAOYSA-N 0.000 description 1
- 108010010803 Gelatin Proteins 0.000 description 1
- SXRSQZLOMIGNAQ-UHFFFAOYSA-N Glutaraldehyde Chemical compound O=CCCCC=O SXRSQZLOMIGNAQ-UHFFFAOYSA-N 0.000 description 1
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- 102000004877 Insulin Human genes 0.000 description 1
- 108090001061 Insulin Proteins 0.000 description 1
- ZDXPYRJPNDTMRX-VKHMYHEASA-N L-glutamine Chemical compound OC(=O)[C@@H](N)CCC(N)=O ZDXPYRJPNDTMRX-VKHMYHEASA-N 0.000 description 1
- 229930182816 L-glutamine Natural products 0.000 description 1
- 229930182555 Penicillin Natural products 0.000 description 1
- JGSARLDLIJGVTE-MBNYWOFBSA-N Penicillin G Chemical compound N([C@H]1[C@H]2SC([C@@H](N2C1=O)C(O)=O)(C)C)C(=O)CC1=CC=CC=C1 JGSARLDLIJGVTE-MBNYWOFBSA-N 0.000 description 1
- 238000000692 Student's t-test Methods 0.000 description 1
- 229930006000 Sucrose Natural products 0.000 description 1
- CZMRCDWAGMRECN-UGDNZRGBSA-N Sucrose Chemical compound O[C@H]1[C@H](O)[C@@H](CO)O[C@@]1(CO)O[C@@H]1[C@H](O)[C@@H](O)[C@H](O)[C@@H](CO)O1 CZMRCDWAGMRECN-UGDNZRGBSA-N 0.000 description 1
- 208000007474 aortic aneurysm Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 239000007853 buffer solution Substances 0.000 description 1
- 239000007978 cacodylate buffer Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004113 cell culture Methods 0.000 description 1
- 238000005119 centrifugation Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000007799 cork Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001493 electron microscopy Methods 0.000 description 1
- 210000003038 endothelium Anatomy 0.000 description 1
- 210000002950 fibroblast Anatomy 0.000 description 1
- 229920000159 gelatin Polymers 0.000 description 1
- 239000008273 gelatin Substances 0.000 description 1
- 235000019322 gelatine Nutrition 0.000 description 1
- 235000011852 gelatine desserts Nutrition 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 239000003102 growth factor Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 229940125396 insulin Drugs 0.000 description 1
- 230000010189 intracellular transport Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 210000000663 muscle cell Anatomy 0.000 description 1
- 229920002113 octoxynol Polymers 0.000 description 1
- 229910000489 osmium tetroxide Inorganic materials 0.000 description 1
- 239000012285 osmium tetroxide Substances 0.000 description 1
- 229940049954 penicillin Drugs 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 210000001147 pulmonary artery Anatomy 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 229960005322 streptomycin Drugs 0.000 description 1
- 239000005720 sucrose Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000005945 translocation Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 230000029302 virus maturation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06V20/695—Preprocessing, e.g. image segmentation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
Изобретение относится к подсчету, сегментации и идентификации объектов. Техническим результатом является расширение функциональных возможностей за счет создания инструментов для характеристики структурных эффектов, в особенности промежуточных и неясных форм частиц, и для их правильного и объективного количественного описания. Данный способ предназначен для внутриклеточного подсчета и сегментации частиц вирусов на изображении. Создается изображение, на котором имеется множество объектов. Определяется диапазон радиусов частиц вирусов. Идентифицируются круглые объекты на изображении, радиус которых находится внутри определенного диапазона радиусов. Определяются эллиптические объекты, которые могут быть сформированы в заданном диапазоне радиусов. Сортируются круглые и эллиптические объекты, идентифицированные по группам. Идентифицируются частицы вирусов среди круглых и эллиптических объектов. Например, данный способ можно использовать для внутриклеточного подсчета и сегментации частиц цитомегаловируса человека, обработанных si-PHK, на просвечивающих электронных микрофотографиях. 3 з.п. ф-лы, 7 ил., 2 табл.
Description
ОБЛАСТЬ ТЕХНИКИ
Данный способ относится к подсчету, сегментации и идентификации объектов, таких как частицы вирусов, изображенных на изображении, таком как электронная микрофотография.
ПРЕДПОСЫЛКИ СОЗДАНИЯ ИЗОБРЕТЕНИЯ
В прошлом было сделано множество попыток классифицировать и анализировать структуры клеток, которые содержат вирусы и другие компоненты. Для описания, сегментации и классификации вирусов были разработаны различные методы анализа изображений, в которых использовалась доступная технология получения изображений. Например, использовалась низкотемпературная электронная микроскопия, но она не достаточно хорошо показывала структуры клеток и частиц вирусов. Также оказалось сложно объективно, повторяемо и надежно описать компоненты клеток, чтобы точно определить стадию зрелости компонентов клеток.
Конкретнее, упорядочение структуры вируса представляет собой сложный процесс и является предметом интенсивного изучения. Вирусы используют клетку-хозяина, чтобы создавать свои вторичные вирусные частицы, подвергаясь сложному процессу созревания и внутриклеточного переноса. Этот процесс можно наблюдать при высоком увеличении с использованием электронного микроскопа, что позволяет визуально дифференцировать различные типы вирусных частиц в различных клеточных компартментах. К важным вопросам, еще требующим решения, относятся идентификация протеинов вирусов, которые участвуют на каждом шаге процесса упорядочения структуры вируса, а также механизм, лежащий в основе внутриклеточной транслокации и локализации различных типов вирусных частиц во время созревания вируса. К структурным аспектам созревания вируса в общем случае трудно подойти, хотя такие методы визуализации, как томография и низкотемпературные электронные микроскопы, внесли свой вклад в обширную информацию о структурах вирусов. Данные методы дают информацию о стабильных и часто зрелых вирусных частицах. Имеются генетические инструменты, чтобы создать мутанты основных компонентов белка вируса, и структурные эффекты можно наблюдать с помощью электронного микроскопа (ЭМ). Однако отсутствуют необходимые инструменты для характеристики структурных эффектов, в особенности промежуточных и неясных форм частиц, и для их правильного и объективного количественного описания.
Это частично объясняет, почему предшествующие способы анализа не были очень эффективными, и возникает потребность в более эффективных способах анализа структуры клетки и вирусных частиц. Возникает потребность в инструментах для анализа изображений, чтобы характеризовать и количественно описывать созревание вирусной частицы и внутриклеточный перенос с целью облегчить объективное изучение различных состояний упорядочения структуры вируса. Также имеется потребность в эффективном способе идентификации и количественного описания вирусных частиц, видимых на изображении.
КРАТКОЕ ИЗЛОЖЕНИЕ СУЩНОСТИ ДАННОГО ИЗОБРЕТЕНИЯ
Способ, предложенный в данном изобретении, дает решение обозначенных выше проблем. Этот способ можно использовать для внутриклеточного подсчета и сегментации вирусных частиц на изображениях, таких как электронные микрофотографии. Создается изображение, на котором имеется множество объектов. Идентифицируются все круглые и эллиптические объекты на изображении. Круглые и эллиптические объекты разделяются на группы. Определяется профиль плотности по радиусу для круглых частиц. Также определяются эллиптические объекты, которые могут быть сформированы при заданном профиле плотности по радиусу круглых вирусных частиц. Вирусные частицы идентифицируются среди групп рассортированных круглых и эллиптических объектов путем анализа профилей плотности по радиусу объектов в отобранной группе. Например, данный способ можно использовать для внутриклеточного подсчета и сегментации частиц цитомегаловируса человека, обработанных si-PHK, на просвечивающих микрофотографиях.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
Фиг.1А - схематический пример изображения (А), инвариантного относительного вращения;
Фиг.1В - схематический пример изображения (В), инвариантного относительного угла;
Фиг.2 - графическая иллюстрация измерений плотности для пяти множеств изображений;
Фиг.3 - схематический вид профилей плотности по радиусу от всех множеств изображений, помещенных в ЛПВ (линейное векторное пространство);
Фиг.4 - схематическое изображение усредненных профилей по радиусу со стандартным отклонением, показанным штрихпунктирными линиями вокруг среднего, для подмножества А;
Фиг.5 - схематическое изображение усредненных профилей по радиусу со стандартным отклонением, показанным штрихпунктирными линиями вокруг среднего, для подмножества В; и
Фиг.6 - схематическое изображение крупным планом Фиг.5 при значениях радиуса между 30 и 40 нм.
ПОДРОБНОЕ ОПИСАНИЕ
Способ, предлагаемый в данном изобретении, можно использовать для поиска, сегментации и идентификации частиц/объектов на изображениях, таких как объекты, изображенные на просвечивающих электронных микрофотографиях. Идентифицированные объекты на изображениях могут относиться к вирусным частицам и другим частицам, которые имеют круглую или эллиптическую форму. Эллиптические формы можно определить как имеющие максимальный радиус и минимальный радиус, в то время, как совершенно круглые формы имеют один радиус каждая. Предпочтительно, чтобы данный способ определял, какие объекты эллиптической формы могут быть сформированы в диапазоне радиусов анализируемых вирусных частиц. Например, если вирусная частица имеет радиус 100 единиц, то максимальный радиус и минимальный радиус эллиптических форм может быть, например, на 20% больше (т.е. 120 единиц) и на 20% меньше (т.е. 80 единиц), чем радиус вирусной частицы, когда эта вирусная частица круглая. Если максимальный радиус или минимальный радиус находятся вне допустимого диапазона радиусов, то данный объект будет считаться неприемлемым и не будет идентифицирован как вирусная частица. Затем круглые и эллиптические формы сортируются и группируются таким образом, что одинаковые диапазоны радиусов относятся к одной группе. Затем в объединенных в группы формах объектов идентифицируются и количественно описываются вирусные частицы. Также возможно идентифицировать вирусные частицы, которые находятся между двумя различными стадиями зрелости, т.е. которые находятся в стадии зрелости, которая находится между двумя различными группами зрелости. Вирусные частицы могут иметь заданный заранее профиль плотности по радиусу, и математическое уравнение, такое как преобразование Фурье, можно использовать для того, чтобы определить, какие объекты эллиптической формы являются вирусными частицами, на основании заданного заранее профиля плотности по радиусу, который является типичным для вирусных частиц. В предпочтительном случае отсутствует необходимость использовать инструкции, в которых изображены профили плотности по радиусу вирусных частиц на определенных стадиях зрелости, поскольку поврежденные вирусные частицы или вирусные частицы, которые находятся между двумя различными стадиями зрелости, приведенных в инструкции, могут быть не обнаружены при использовании инструкции.
Может оказаться возможным определить распределение диапазонов радиусов или профилей плотности по радиусу в группах, как показано на Фиг.3 и подробно описано ниже. Также, как будет описано ниже, вирусные частицы могут быть подвергнуты воздействию химического вещества, такого как фармацевтический препарат, и шаги данного способа, согласно данному изобретению, могут быть выполнены снова на основе видоизмененного изображения для того, чтобы определить, как изменилось распределение размеров частиц или профили плотности по радиусу в результате воздействия химического вещества или лечения. Таким образом, становится возможным определить эффективность воздействия химического вещества на вирусные частицы.
Также становится возможным использовать метод si-PHK для того, чтобы заблокировать некоторые строительные блоки, например, путем повреждения протеинов рр150 и блокирования создания частиц ЦМВ внутри вирусных частиц. После подобной обработки si-PHK можно проанализировать воздействие на вирусные частицы и морфологические/структурные изменения вирусных частиц. Кроме того, также можно изучать количество поврежденных вирусных частиц.
Также оказывается возможным использовать способ, предложенный в данном изобретении, для того, чтобы идентифицировать вирусные частицы путем анализа профилей плотности по радиусу и решить, какие вирусные частицы имеются на изображении. После обнаружения всех круглых и эллиптических объектов на изображении и распределения объектов по группам на основе их радиальных характеристик следующим шагом может быть идентификация радиальных характеристик конкретной вирусной частицы. Любая группа объектов с радиальными характеристиками, находящимися внутри заданного диапазона радиусов вирусной частицы, например внутри диапазона радиусов, равного 80±3 единицы, может, таким образом, использоваться для идентификации вирусных частиц. Благодаря использованию диапазона радиальных характеристик также могут быть включены деформированные или эллиптические частицы. Частицы, имеющие радиусы вне допустимого диапазона, исключаются и классифицируются как не являющиеся вирусными частицами. Если внутри требуемого интервала радиусов имеется много типов вирусных частиц, становится возможным воздействовать на эти вирусные частицы химическим или медицинскими препаратами, а затем снова использовать указанный способ, чтобы определить, как вирусные частицы реагируют на воздействие. На основании этой реакции становится возможным опознать, что представляет собой данная вирусная частица. Например, становится возможным увеличить число копий ДНК, например, используя методы PCR (полимеразная цепная реакция), что создает эталонное описание, которое можно использовать для идентификации вирусной частицы. Таким образом, можно использовать дополнительное испытание, чтобы проверить или подтвердить идентификацию вирусной частицы.
Таким образом, способ, предлагаемый в данном изобретении, можно использовать для поиска, сегментации и идентификации вирусных частиц на просвечивающих электронных микрофотографиях, как будет подробно описано ниже. Капсиды вирусных частиц являются приблизительно круглыми объектами с одинаковой плотностью протеинов на фиксированных радиусах от центра, так называемыми объектами, инвариантными относительно вращения, что лучше всего показано на Фиг.1А. Для того чтобы создать меру инвариантности относительно вращения, требуется наличие "противоположной" характеристики, с которой можно сравнить инвариантность относительно вращения. Объект, обладающий инвариантностью относительно угла, может быть использован для этой цели, поскольку он имеет одинаковую плотность протеина при фиксированном угле от центра, что лучше всего показано на Фиг.1В.
Спектр Фурье функции (f), значения которой определяются радиусом r, с соответствующей частотой Фурье (wr), от центра, и углом (t), с соответствующей частотой Фурье (wt), взятым от любого фиксированного направления наружу от центра, может служить иллюстрацией объекта, обладающего инвариантностью относительно вращения, и объекта, обладающего инвариантностью относительно угла. Функция, обладающая полной инвариантностью относительно вращения, содержит всю энергию при wt=0; а объект, обладающий полной инвариантностью относительно угла, содержит всю свою энергию при wr=0; все объекты, расположенные между ними, содержат энергию в обоих частотных диапазонах. Таким образом, достаточно хорошей мерой является сравнение разности этих энергий, что дает априорную меру с пороговым уровнем этой меры, который является единственной неизвестной константой, которая может быть получена путем отрицательного контроля.
Мера плотности вирусных структур на просвечивающих электронных микрофотографиях будет описана ниже. Мера плотности, предназначенная для сравнения количества вирусных структур на различных изображениях, вводится как некоторое количество объектов (n) на единицу площади А изображения.
d=n/A
Сегментация различных вирусных структур будет описана ниже. Профиль плотности по радиусу каждого обнаруженного объекта/частицы служит в качестве хорошего приближения вирусной частицы. Помещение профилей в линейное векторное пространство (ЛВП) с основанием, связанным с главными осями профилей, вычисленными при помощи разложения по сингулярным значениям (РСЗ), дает визуальное понимание того, как ведут себя группы различных вирусных структур. Используя эту информацию, возможно выделить различные группы и подсчитать по отдельности и выделить структурные различия при использовании лекарственных препаратов путем вычисления усредненной структуры в каждом множестве изображений.
Приблизительно 500 Мбайт изображений, как показано в приведенной ниже Таблице 1, инфицированных клеток при использовании четырех различных siPHK. были получены при помощи электронного микроскопа при разрешении 3,3 нм/пиксел. Это изображение обрабатывалось при помощи меры инвариантности относительно вращения. Контрольный радиус для инвариантности относительно вращения был установлен равным 15 пикселов (около 50 нм), и объекты на изображении получались при локальных максимумах радиусов, равных 15 пикселам, а мера инвариантности по радиусу превышала уровень, равный 15. При получении профилей плотности по радиусу среднее каждого профиля исключалось для того, чтобы компенсировать различие в уровнях яркости на различных изображения. Среднее бралось по радиусу, равному 100 пикселей, т.е. около 330 нм.
| Таблица 1 | ||
| Группа | Количество изображений | Общая площадь мкм2 |
| Положительный контроль | 83 | 700,48 |
| МСР | 119 | 1317,30 |
| GB | 34 | 320,17 |
| MCP+gB+pp150 | 28 | 241,71 |
| рр150 | 28 | 355,84 |
В Таблице 2 приведены средние значения и стандартные отклонения среднего для вычисленных плотностей. Сравнение результатов, полученных с использованием изображений рр150 и МСР, с положительным контролем посредством t-критерия Стьюдента, дает значения р, равные 7,21·10-13 и 2,19·10-11 соответственно, которые позволяют отклонить гипотезу о том, что плотности получены из распределений с равным средним.
| Таблица 2 | |||
| Группы | Количество обнаруженных объектов, шт. | Ожидаемая плотность, шт./мкм2 | Стандартное отклонение ожидаемой плотности, шт./мкм2 |
| положительный контроль | 3982 | 5,65 | 0,40 |
| GB | 2826 | 4,56 | 0,70 |
| MCP+gB+pp150 | 1343 | 4,24 | 0,54 |
| МСР | 1022 | 2,40 | 0,14 |
| рр150 | 652 | 1,66 | 0,28 |
Фиг.2 представляет собой графическую иллюстрацию измерений плотности для пяти множеств изображений (Положительный контроль, МСР, gB, MCP+gB+pp150 и рр150) с одним стандартным отклонением. МСР и рр150 показывают значительно меньшие плотности, чем положительный контроль.
Сегментация вирусных структур описывается ниже. Профили плотности по радиусу были построены в ЛВП, что лучше всего показано на Фиг.3, на которой показана информация по двум основным осям. На Фиг.3 показаны профили плотности по радиусу для всех множеств изображений, помещенных в ЛВП. На изображении видны две значительно отделенные друг от друга группы, обозначенные А и В, которые будут описаны подробнее ниже. Важной отличительной чертой является то, что также показаны частицы между двумя группами. Например, эти частицы могут быть на таких стадиях зрелости, которые находятся между стадиями зрелости, представленными скоплениями. Часто особенно важно изучать частицы, находящиеся между скоплениями или группами частиц, когда вирусные частицы подверглись воздействию фармацевтического препарата, с тем, чтобы можно было определить влияние этого препарата.
Усредненные профили плотности по радиусу для каждого множества (положительный контроль, МСР, рр150, gB и MCP+gB+pp150) для скопления А показаны на Фиг.4. Это раскрывает общеизвестную классификацию А (пустые оболочки вирусов) промежуточных форм зрелости НСМV(ЦМВЧ). Вследствие того, что количество обнаруженных объектов данного типа мало, объекты имеют малые энергии как по радиусу, так и по углу, и во множестве присутствует большое количество невирусных структур, невозможно получить значимую информацию помимо информации о том, что стенка капсиды расположена приблизительно на расстоянии 40 нм от центра.
Усредненные профили плотности по радиусу для каждого множества (положительный контроль, МСР, рр150, gB и MCP+gB+pp150) для скопления В показаны на Фиг.5. Это раскрывает общеизвестные классификации В (капсиды с полупрозрачным ядром) и С (зрелые капсиды с плотным ядром) промежуточных форм зрелости НСМV(ЦМВЧ). Множества, относящиеся к положительному контролю и gB, отличаются от множеств, относящихся к МСР, рр150 и MCP+gB+pp150, при радиусах, находящихся между 30 и 40 нм, что лучше всего показано в начальной и конечной зонах Фиг.6 и в центре.
Как следствие этого, возможно разработать модель вирусных частиц на просвечивающих электронных микрофотографиях. Использование характеристики, инвариантной относительно угла, в качестве меры для сравнения с характеристикой, инвариантной относительно вращения, можно заменить отношением энергии функции, которую можно описать объектом, инвариантным относительно вращения, к полной энергии. Однако если полная энергия очень мала, то это отношение может стать при расчетах численно нестабильным.
Чтобы решить эту проблему, можно использовать пороговый уровень. Использование заданного порогового уровня является источником субъективности. Однако на этом уровне было подсчитано очень мало ложных структур. Но при этом группа отрицательного контроля могла бы служить для установки порогового уровня, а также чтобы увидеть воздействие молекул siPHK.
Любое ортогональное преобразование профилей плотности, включая главные оси, сохраняет расстояние и скалярное произведение в линейном векторном пространстве L2. Следовательно, группирование различных подструктур происходит независимо относительно выбора базиса.
Пример
Ниже описывается пример материалов и способов, которые можно использовать. Легочные фибробласты эмбриона человека (HF) выдерживались в несодержащей бикарбонатов минимальной основной среде с солями Хенка (Hank′s salts) (GIBCO BRL), дополненной 25 мМ HEPES [4-(2 гидроксиэтил)-1-пиперазин этансульфоновая кислота], 10% инактивированной теплом эмбриональной сывороткой теленка, L-глютамином (2 мМ), пенициллином (100 U/мл) и стрептомицином (100 мг/мл) (GIBCO BRL, Гранд Айлэнд, Нью-Йорк, США). Клетки выращивались в колбах с тканевой культурой площадью 175 см2 (Корнинг, Нью-Йорк, США) и использовались максимально за 17 переносов. Клетки инфицировались цитомегаловирусом человека (HCMV) при кратности инфицирования (MOI), равной 1. Содержащая вирус надосадочная жидкость собралась на 7 или 10 день после инфицирования. Затем содержащая вирус надосадочная жидкость очищалась от остатков клеток путем центрифугирования на малой скорости и замораживалась при -70°С до момента ее использования. Монослои легочных фибропласт человека (HF), выращенные на пластинах с 96 чашками или на предметных стеклах с лунками, инфицировались штаммом AD169 вируса HCMV с кратностью инфицирования, равной 1.
Клетки эндотелия легочной артерии человека (НРАЕС) были получены из Clonetics, Калифорния, США. Клетки выдерживались в ЕВМ-2 (Clonetics, Калифорния, США) с факторами роста при 37°С и 5% содержании СО2. За один час до инфицирования среда изменялась на ЕВМ, содержащую 5% эмбриональной сыворотки теленка, и клетки выращивались в этой среде во время всего процесса инфицирования. Клетки выращивались в покрытых 0,2% желатином колбах с тканевой культурой площадью 175 см2 (Falcon) или на предметных стеклах с 8 лунками (Nalge Nunc International) и использовались в экспериментах до восьмого переноса.
Клетки эндотелия аллантоисной вены человека (HUVEC) выращивались в среде EGM (Clonetics, Калифорния, США). За один час до инфицирования среда изменялась на ЕВМ, содержащую 5% эмбриональной сыворотки теленка, и клетки выращивались в этой среде во время процесса инфицирования. Клетки выращивались в колбах с тканевой культурой площадью 175 см2 (Falcon) и на предметных стеклах с 8 лунками (Nalge Nunc International) и использовались в экспериментах до восьмого переноса. Затем клетки инфицировались штаммом ТВ 40, предназначенным для эндотелия, при кратности инфицирования, равной 1.
Клетки гладких мышц выделялись из аортальных трансплантатов, получаемых от пациентов, перенесших хирургическую операцию по поводу аневризмы аорты со вставкой аортального трансплантата, или из аортальных трансплантатов или трансплантатов подвздошных сосудов, взятых от доноров трансплантатов. Клетки выделялись путем первоначального удаления клеток эндотелия путем соскабливания клеток острым инструментом. Затем сосуд разделялся на два различных слоя, внутренний слой (соответствующий внутренней выстилке сосуда) и наружный слой (соответствующий промежуточному слою сосуда), путем осторожного разделения двух сосудов при помощи пинцета. Аортальный трансплантат разделялся на мелкие кусочки по 1 мм и выращивался в чашках для культивирования клеток в среде SMGM 2 (Clonetics) с добавлением SmGM-2 Single Quotes (hEGF 0,5 мкг/мл, 0,5 мл; инсулин 5 мг/мл, 0,5 мл; hFGF-b - 1 мкг/мл, 1 мл; FBS 25 мл; GA-1000, 0,5 мл) приблизительно в течение двух недель до тех пор, пока не начиналась миграция клеток гладких мышц с эксплантата. Клетки выращивались в колбах с тканевой культурой площадью 175 см2 (Falcon). Для того, чтобы определить чистоту культуры SMC, клетки выращивались на предметных стеклах с лунками и фиксировались в 3% формальдегиде в течение 45 минут при 4°С и становились проницаемыми после обработок в 0,3% растворе Triton X в течение 5 минут. После фиксации клетки окрашивались для выявления конъюгированного FITC анти-актина, специфического для клеток гладких мышц (SIGMA), и оценивать при помощи флуоресцентной микроскопии. Клетки фиксировались смесью метанола и ацетона (1:1) при 4°С в течение 5 минут и окрашивались при помощи конъюгированного FITC анти-фактора фон Виллебранда (Anti-vWF) и специфического для клеток эндотелия фактора фон Виллебранда и оценивать при помощи флуоресцентной микроскопии. В экспериментах использовался контроль изотипов для антител. Культуры были на 100% положительными по отношению к анти а-актину и отрицательны по отношению к фактору фон Виллебранда.
Для того чтобы изучить с помощью электронного микроскопа инфицированные вирусом клетки, неинфицированные клетки и клетки, инфицированные цитомегаловирусом человека (кратность инфицирования равна 1), собирались на 3, 5, 7 и 10 дни после инфицирования и фиксировались в 2% глютаральдегиде в 0,1 М буфера из какодилата натрия, содержащего 0,1 М сахарозы и 3 mM CaCl2, с рН 7,4 при комнатной температуре в течение 30 минут. Затем эти клетки соскабливались при помощи деревянной палочки и переносились в пробку Эппендорфа и далее фиксировались в течение ночи в холодильнике. После фиксации клетки промывались в буферном растворе 0,15 М какодилата натрия, содержащем 3 mM CaCl2, при рН 7,4 и центрифугировались. Затем гранулы вторично фиксировались в 2% тетроксиде осмия, растворенного в 0,07М буферного раствора какодилата натрия, содержащего 1,5 mМ CaCl2, с рН 7,4 при 4°С в течение двух часов, дегидратировались последовательно в эталоне и ацетоне и заделывались в LX-112 (Ледд, Берлингтон, Вермонт, США). Контраст на препаратах достигался посредством уранилацетата с последующим использованием цитрата свинца, а исследование проводилось на просвечивающем электронном микроскопе Tecnai 10 (FEI, Нидерланды) при 80 кВ. Цифровое изображение выполнялось цифровой камерой Mega View II (Soft Imaging System, GmbH, Мюнстер, Германия).
Обработка электронных микрофотографий описывается ниже. Контраст на препаратах достигался посредством уранилацетата с последующим использованием цитрата свинца, а исследование проводилось на просвечивающем электронном микроскопе Tecnai 10 (FEI, Нидерланды) при 80 кВ. Цифровое изображение выполнялось цифровой камерой Mega View II (Soft Imaging System, GmbH, Мюнстер, Германия) или электронные микрофотографии выполнялись, проявлялись и сканировались для оцифровки. Микрофотографии оцифровывались в 8-битовые изображения при помощи сканера с плоским основанием HP ScanJet 6200C с размерами пикселей, равными либо 2×2 нм, либо 3×3 нм, что соответствует радиусам капсид, приблизительно равным 25 или 17 пикселей соответственно, на оцифрованных микрофотографиях. Каждое оцифрованное изображение имеет размер, приблизительно равный 1000×1000 пикселей (1М байт). Разрешение было достаточным, чтобы различать три исследуемых здесь класса капсид, но сильно текстурированный фон делает задачу идентификации капсид очень сложной. Автоматизированное рабочее место DEC alpha 433, выполняющее программу Нр Tru64 UNIX, использовалось для разработки и оценки способа, предложенного в данном изобретении. Реализация и испытания осуществлялись при помощи программного обеспечения Matlab 7.0.1 (the MathWorks, Inc., Нетик, Миннесота, США). Полученные цифры профилей уровней серого обрабатывались в Corel Draw 10 (Corel Corporation, Оттава, Канада) и Photoshop CS (Adobe Systems Inc, Сан-Хосе, Калифорния, США).
Хотя данное изобретение было описано в соответствии с предпочтительными составами и вариантами выполнения, следует понимать, что можно произвести в них некоторые замены и изменения, не выходя за пределы сущности объема следующих пунктов патентных притязаний.
Claims (4)
1. Способ внутриклеточного подсчета и сегментации вирусных частиц на изображении, содержащий:
создание изображения, на котором имеется множество объектов;
идентификацию круглых объектов на изображении;
сортировку идентифицированных круглых объектов по группам, имеющим одинаковые диапазоны радиусов;
определение распределения профилей плотности по радиусу для идентифицированных круглых объектов;
идентификацию эллиптических объектов, которые могут сформироваться при установленном распределении профилей плотности по радиусу;
сортировку идентифицированных эллиптических объектов по группам, имеющим одинаковые диапазоны радиусов; и
идентификацию вирусных частиц среди отсортированных круглых и эллиптических объектов на основе распределения профилей плотности по радиусу объектов в отобранной группе круглых и эллиптических объектов;
воздействие на вирусные частицы фармацевтическим препаратом;
сортировку вирусных частиц по группам после воздействия на них фармацевтическим препаратом;
анализ различий между распределением профилей плотности по радиусу у вирусных частиц до воздействия и распределением профилей плотности по радиусу у вирусных частиц после воздействия фармацевтическим препаратом.
создание изображения, на котором имеется множество объектов;
идентификацию круглых объектов на изображении;
сортировку идентифицированных круглых объектов по группам, имеющим одинаковые диапазоны радиусов;
определение распределения профилей плотности по радиусу для идентифицированных круглых объектов;
идентификацию эллиптических объектов, которые могут сформироваться при установленном распределении профилей плотности по радиусу;
сортировку идентифицированных эллиптических объектов по группам, имеющим одинаковые диапазоны радиусов; и
идентификацию вирусных частиц среди отсортированных круглых и эллиптических объектов на основе распределения профилей плотности по радиусу объектов в отобранной группе круглых и эллиптических объектов;
воздействие на вирусные частицы фармацевтическим препаратом;
сортировку вирусных частиц по группам после воздействия на них фармацевтическим препаратом;
анализ различий между распределением профилей плотности по радиусу у вирусных частиц до воздействия и распределением профилей плотности по радиусу у вирусных частиц после воздействия фармацевтическим препаратом.
2. Способ по п.1, содержащий, кроме того, анализ изменений в распределении размеров объектов на изображении в результате воздействия.
3. Способ по п.1, содержащий, кроме того, определение разности количества объектов в группе до и после воздействия химическим веществом.
4. Способ по п.1, содержащий, кроме того, анализ морфологических структур вирусных частиц.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US94087007P | 2007-05-30 | 2007-05-30 | |
| US60/940,870 | 2007-05-30 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| RU2009149093A RU2009149093A (ru) | 2011-07-10 |
| RU2461063C2 true RU2461063C2 (ru) | 2012-09-10 |
Family
ID=40094049
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2009149093/08A RU2461063C2 (ru) | 2007-05-30 | 2008-04-25 | Способ подсчета и сегментации частиц вирусов на изображении |
Country Status (19)
| Country | Link |
|---|---|
| US (1) | US8224059B2 (ru) |
| EP (1) | EP2149105B1 (ru) |
| JP (1) | JP5243535B2 (ru) |
| KR (1) | KR101343749B1 (ru) |
| CN (1) | CN101681427B (ru) |
| AU (1) | AU2008260410B2 (ru) |
| BR (1) | BRPI0811951A2 (ru) |
| CA (1) | CA2688153C (ru) |
| DK (1) | DK2149105T3 (ru) |
| ES (1) | ES2835175T3 (ru) |
| HK (1) | HK1137254A1 (ru) |
| HU (1) | HUE052662T2 (ru) |
| MX (1) | MX2009012265A (ru) |
| MY (1) | MY153016A (ru) |
| PL (1) | PL2149105T3 (ru) |
| PT (1) | PT2149105T (ru) |
| RU (1) | RU2461063C2 (ru) |
| WO (1) | WO2008150588A1 (ru) |
| ZA (1) | ZA200907666B (ru) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2626145C1 (ru) * | 2016-01-27 | 2017-07-21 | Государственное бюджетное образовательное учреждение высшего профессионального образования "Оренбургский государственный медицинский университет" Министерства здравоохранения Российской Федерации (ГБОУ ВПО ОрГМУ Минздрава России) | Способ оценки содержания белков межклеточного матрикса в регенерирующих тканях при анализе цифровых изображений иммуногистохимических микропрепаратов в программе adobe® photoshop® |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| MX2007012679A (es) * | 2005-04-15 | 2008-04-17 | Intelligent Virus Imaging Inc | Metodo para analizar estructuras celulares y sus componentes. |
| US8712140B2 (en) * | 2005-04-15 | 2014-04-29 | Intelligent Virus Imaging Inc. | Method of analyzing cell structures and their components |
| US8712141B2 (en) * | 2007-05-30 | 2014-04-29 | Intelligent Virus Imagaing Inc. | Method for counting and segmenting viral particles in an image |
| JPWO2012077280A1 (ja) | 2010-12-09 | 2014-05-19 | パナソニック株式会社 | 三次元集積回路の設計支援装置及び設計支援方法 |
| CN103514481A (zh) * | 2012-06-20 | 2014-01-15 | 天津三星电机有限公司 | 一种基于图像的制品数量快速测量方法及其装置 |
| PT3389813T (pt) * | 2015-12-18 | 2020-04-08 | Intelligent Virus Imaging Inc | Quantificação de elevada precisão de partículas sub-visíveis |
| SG11201805521XA (en) * | 2016-09-30 | 2018-07-30 | Intelligent Virus Imaging Inc | Method for quantification of purity of sub-visible particle samples |
| MA44418B1 (fr) * | 2017-03-02 | 2021-11-30 | Intelligent Virus Imaging Inc | Procédé permettant la mesure quantitative de contenu particulaire à l'aide d'une imagerie à l'état hydraté |
| RU2750591C1 (ru) * | 2020-05-12 | 2021-06-29 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Ижевская государственная медицинская академия" | Способ определения степени окраски эндотелиальных клеток |
| CN111795986A (zh) * | 2020-05-20 | 2020-10-20 | 万秋花 | 应用外形搜索的病毒临床检验检测平台 |
| CN112288684B (zh) * | 2020-07-15 | 2021-06-25 | 华北理工大学 | 应用密度分析的致病判断系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2168206C1 (ru) * | 2000-06-30 | 2001-05-27 | Зайцев Павел Анатольевич | Способ сканирования рисунка кожных линий и устройство для его осуществления |
| RU2207626C2 (ru) * | 1997-12-18 | 2003-06-27 | Инфинеон Текнолоджиз Аг | Устройство для съемки изображений |
| US20030201393A1 (en) * | 1999-05-19 | 2003-10-30 | Ruriko Tsuneta | Electron microscope |
| US20050051725A1 (en) * | 2003-09-08 | 2005-03-10 | Ryo Nakagaki | Transmission electron microscope system and method of inspecting a specimen using the same |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4012813B2 (ja) * | 2002-11-27 | 2007-11-21 | 株式会社日立ハイテクノロジーズ | 透過型電子顕微鏡及び試料観察方法 |
| US20070099276A1 (en) * | 2003-10-25 | 2007-05-03 | David Ott | Retrovirus-like particles and retroviral vaccines |
| EP1934860B1 (en) * | 2005-10-12 | 2014-07-23 | Intelligent Virus Imaging Inc. | Identification and classification of virus particles in textured electron micrographs |
-
2008
- 2008-04-25 DK DK08746847.6T patent/DK2149105T3/da active
- 2008-04-25 AU AU2008260410A patent/AU2008260410B2/en not_active Ceased
- 2008-04-25 JP JP2010510391A patent/JP5243535B2/ja not_active Expired - Fee Related
- 2008-04-25 US US12/600,623 patent/US8224059B2/en active Active
- 2008-04-25 CN CN2008800179936A patent/CN101681427B/zh active Active
- 2008-04-25 BR BRPI0811951A patent/BRPI0811951A2/pt not_active Application Discontinuation
- 2008-04-25 PT PT87468476T patent/PT2149105T/pt unknown
- 2008-04-25 ES ES08746847T patent/ES2835175T3/es active Active
- 2008-04-25 MY MYPI20094764 patent/MY153016A/en unknown
- 2008-04-25 KR KR1020097027393A patent/KR101343749B1/ko active IP Right Grant
- 2008-04-25 PL PL08746847T patent/PL2149105T3/pl unknown
- 2008-04-25 EP EP08746847.6A patent/EP2149105B1/en active Active
- 2008-04-25 MX MX2009012265A patent/MX2009012265A/es unknown
- 2008-04-25 RU RU2009149093/08A patent/RU2461063C2/ru active
- 2008-04-25 WO PCT/US2008/061499 patent/WO2008150588A1/en active Search and Examination
- 2008-04-25 CA CA2688153A patent/CA2688153C/en active Active
- 2008-04-25 HU HUE08746847A patent/HUE052662T2/hu unknown
-
2009
- 2009-11-02 ZA ZA200907666A patent/ZA200907666B/xx unknown
-
2010
- 2010-05-14 HK HK10104767.1A patent/HK1137254A1/xx not_active IP Right Cessation
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2207626C2 (ru) * | 1997-12-18 | 2003-06-27 | Инфинеон Текнолоджиз Аг | Устройство для съемки изображений |
| US20030201393A1 (en) * | 1999-05-19 | 2003-10-30 | Ruriko Tsuneta | Electron microscope |
| RU2168206C1 (ru) * | 2000-06-30 | 2001-05-27 | Зайцев Павел Анатольевич | Способ сканирования рисунка кожных линий и устройство для его осуществления |
| US20050051725A1 (en) * | 2003-09-08 | 2005-03-10 | Ryo Nakagaki | Transmission electron microscope system and method of inspecting a specimen using the same |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2626145C1 (ru) * | 2016-01-27 | 2017-07-21 | Государственное бюджетное образовательное учреждение высшего профессионального образования "Оренбургский государственный медицинский университет" Министерства здравоохранения Российской Федерации (ГБОУ ВПО ОрГМУ Минздрава России) | Способ оценки содержания белков межклеточного матрикса в регенерирующих тканях при анализе цифровых изображений иммуногистохимических микропрепаратов в программе adobe® photoshop® |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20100025545A (ko) | 2010-03-09 |
| EP2149105A1 (en) | 2010-02-03 |
| US20100151446A1 (en) | 2010-06-17 |
| KR101343749B1 (ko) | 2013-12-19 |
| RU2009149093A (ru) | 2011-07-10 |
| JP2010529428A (ja) | 2010-08-26 |
| EP2149105B1 (en) | 2020-11-18 |
| WO2008150588A1 (en) | 2008-12-11 |
| MY153016A (en) | 2014-12-31 |
| CN101681427A (zh) | 2010-03-24 |
| BRPI0811951A2 (pt) | 2016-10-04 |
| CN101681427B (zh) | 2012-12-05 |
| PL2149105T3 (pl) | 2021-05-17 |
| DK2149105T3 (da) | 2021-02-01 |
| PT2149105T (pt) | 2020-12-15 |
| EP2149105A4 (en) | 2013-09-25 |
| HUE052662T2 (hu) | 2021-05-28 |
| ES2835175T3 (es) | 2021-06-22 |
| CA2688153C (en) | 2015-03-31 |
| HK1137254A1 (en) | 2010-07-23 |
| US8224059B2 (en) | 2012-07-17 |
| JP5243535B2 (ja) | 2013-07-24 |
| MX2009012265A (es) | 2009-12-01 |
| AU2008260410A1 (en) | 2008-12-11 |
| AU2008260410B2 (en) | 2012-05-03 |
| CA2688153A1 (en) | 2008-12-11 |
| ZA200907666B (en) | 2010-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2461063C2 (ru) | Способ подсчета и сегментации частиц вирусов на изображении | |
| Atherton et al. | Microtubule architecture in vitro and in cells revealed by cryo-electron tomography | |
| Böcker et al. | Computational methods for analysis of foci: Validation for radiation-induced γ-H2AX foci in human cells | |
| Yu et al. | Quantitative neurite outgrowth measurement based on image segmentation with topological dependence | |
| Devan et al. | Detection of herpesvirus capsids in transmission electron microscopy images using transfer learning | |
| WO2008005426A2 (en) | Computer-aided pathological diagnosis system | |
| Mota et al. | Automated mesenchymal stem cell segmentation and machine learning-based phenotype classification using morphometric and textural analysis | |
| CN114283407A (zh) | 一种自适应的白细胞自动分割、亚类检测方法及系统 | |
| Uka et al. | FASTER R-CNN for cell counting in low contrast microscopic images | |
| Sintorn et al. | A refined circular template matching method for classification of human cytomegalovirus capsids in TEM images | |
| US8712141B2 (en) | Method for counting and segmenting viral particles in an image | |
| Sasaki et al. | Non-invasive quality evaluation of confluent cells by image-based orientation heterogeneity analysis | |
| Gamarra et al. | MC-Kmeans: an approach to cell image segmentation using clustering algorithms | |
| WO2007084375A1 (en) | Assay for phospholipidosis | |
| Birry | Automated classification in digital images of osteogenic differentiated stem cells | |
| Wang et al. | Automated confluence measurement method for mesenchymal stem cell from brightfield microscopic images | |
| McGrath | Utilization of imaging flow cytometry to define intermediates of megakaryopoiesis in vivo and in vitro | |
| Syed¹ et al. | Check for updates | |
| Przytulska et al. | Multi-aspect Assessment and Classification of Porous Materials Designed for Tissue Engineering | |
| Flight et al. | Semi-Automated Cell Counting in Phase Contrast Images of Epithelial Monolayers. | |
| Syed et al. | Ultrastructure Analysis of Cardiomyocytes and Their Nuclei | |
| Hiroyasu et al. | Algorithms for automatic extraction of feature values of corneal endothelial cells using genetic programming | |
| Gamarra et al. | Digital image analysis of cells and computational tools for the study of mechanism of RSV entry to human bronchial epithelium | |
| Borjigin et al. | Area-based Image Analysis Algorithm for Quantification of Macrophage-fibroblast Cocultures | |
| Hayes | Detection of Viruses Using Biophysical Properties of Infected Cells for Biologics and Vaccines Testing |