多光谱图像的批量定量分析
通过软件自学习的方式,将病理学家丰富的读片经验,转化为客观的组织形态纹理学算法,批量识别特定的组织类型,进而分析其中的信号表达情况。
简单的圈选操作即训练软件生产高精度的识别算法
inForm 软件可运行“组织”识别功能,生成基于形态、纹理的分区算法。
可学习的形态在数量种类上没有限制。
多个训练集的设定
通过在不同的视野画面上圈选多个不同的组织区域进行算法训练,可检测出囊括多种形态特征的组织类型。
自动化批量分析
组织识别算法生成以后,就无需再指定任何的 ROI,可以批量实现组织画面的全自动量化分析。
阳性细胞计数 组织区域面积计算
按组织类型计算出阳性细胞的数目 从 HE 染色标本中计算出特定形态的面积
每种识别组织的面积及其总的信号强度 应用如炎症区域定量分析、肉芽肿定量分析、毒性实验等
特定组织中的细胞总数及阳性细胞比例
每个细胞的坐标位置及各色信号的着色强度
基于深度学习的统计学视野筛选
inForm 生成的组织自动识别算法可以导入 Vectra 系统,作为组织选取的标准自动寻找目标视野,并按照统计学要求,选择特定数目的目标视野,自动完成图像采集。
分析标准统一
全自动视野采集可以提升批量样本的成像效率,并大幅度减少实验人员因主观判读偏好导致的偏差。
预防漏检稀有事件
传统肉眼选取视野的方法中,在样本量大而阳性率低时会容易发生漏检。通过自动化视野识别进行全片监控扫描,可有效防止分析遗漏,有助于低概率样本的发现和分析。
肿瘤微环境与肿瘤免疫
Phenoptics 研究解决方案作为肿瘤免疫学研究的全新技术得到广泛推崇,是当下最先进的组织原位细胞表型定量分析技术。通过Opal 多重免疫荧光染色技术、Vectra/Mantra 多光谱成像技术和inForm 定量病理图像分析技术,可进行对肿瘤微环境中的各色细胞进行表型鉴别和统计分析。