ES2292973T3 - Metodo para video-microscopia y sistema asociado, y producto de programa de soporte logico informatico. - Google Patents
Metodo para video-microscopia y sistema asociado, y producto de programa de soporte logico informatico. Download PDFInfo
- Publication number
- ES2292973T3 ES2292973T3 ES03732046T ES03732046T ES2292973T3 ES 2292973 T3 ES2292973 T3 ES 2292973T3 ES 03732046 T ES03732046 T ES 03732046T ES 03732046 T ES03732046 T ES 03732046T ES 2292973 T3 ES2292973 T3 ES 2292973T3
- Authority
- ES
- Spain
- Prior art keywords
- rgb
- image
- dye
- sample
- dyes
- 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.)
- Expired - Lifetime
Links
- 238000000034 method Methods 0.000 title claims abstract description 104
- 238000010865 video microscopy Methods 0.000 title claims description 16
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 title 1
- 238000002834 transmittance Methods 0.000 claims abstract description 69
- 239000000975 dye Substances 0.000 claims description 228
- 230000008569 process Effects 0.000 claims description 17
- 241000894007 species Species 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 9
- 241000276498 Pollachius virens Species 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000004075 alteration Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims 3
- 238000010606 normalization Methods 0.000 claims 1
- 239000000523 sample Substances 0.000 description 135
- 238000004458 analytical method Methods 0.000 description 51
- 239000003550 marker Substances 0.000 description 42
- XUMBMVFBXHLACL-UHFFFAOYSA-N Melanin Chemical compound O=C1C(=O)C(C2=CNC3=C(C(C(=O)C4=C32)=O)C)=C2C4=CNC2=C1C XUMBMVFBXHLACL-UHFFFAOYSA-N 0.000 description 30
- 108090000623 proteins and genes Proteins 0.000 description 30
- 210000004027 cell Anatomy 0.000 description 26
- 230000000875 corresponding effect Effects 0.000 description 26
- 238000011002 quantification Methods 0.000 description 25
- 230000003595 spectral effect Effects 0.000 description 22
- 238000001514 detection method Methods 0.000 description 20
- 102000004169 proteins and genes Human genes 0.000 description 17
- 230000003287 optical effect Effects 0.000 description 16
- 238000010186 staining Methods 0.000 description 15
- 206010028980 Neoplasm Diseases 0.000 description 14
- 239000000976 ink Substances 0.000 description 14
- 230000000007 visual effect Effects 0.000 description 14
- 230000002068 genetic effect Effects 0.000 description 13
- 238000002360 preparation method Methods 0.000 description 12
- 108020004999 messenger RNA Proteins 0.000 description 11
- 238000011156 evaluation Methods 0.000 description 10
- 238000000386 microscopy Methods 0.000 description 10
- 230000003321 amplification Effects 0.000 description 9
- 238000003199 nucleic acid amplification method Methods 0.000 description 9
- 210000001519 tissue Anatomy 0.000 description 9
- 238000004737 colorimetric analysis Methods 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 7
- 238000010191 image analysis Methods 0.000 description 7
- 238000007901 in situ hybridization Methods 0.000 description 7
- 210000002752 melanocyte Anatomy 0.000 description 7
- 201000001441 melanoma Diseases 0.000 description 7
- 101001012157 Homo sapiens Receptor tyrosine-protein kinase erbB-2 Proteins 0.000 description 6
- 102100030086 Receptor tyrosine-protein kinase erbB-2 Human genes 0.000 description 6
- 230000000996 additive effect Effects 0.000 description 6
- 201000011510 cancer Diseases 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 6
- 208000030381 cutaneous melanoma Diseases 0.000 description 6
- 238000002509 fluorescent in situ hybridization Methods 0.000 description 6
- 230000035772 mutation Effects 0.000 description 6
- 201000003708 skin melanoma Diseases 0.000 description 6
- 238000011282 treatment Methods 0.000 description 6
- 239000003086 colorant Substances 0.000 description 5
- 238000009396 hybridization Methods 0.000 description 5
- 210000004940 nucleus Anatomy 0.000 description 5
- 230000007170 pathology Effects 0.000 description 5
- 239000000049 pigment Substances 0.000 description 5
- 230000001629 suppression Effects 0.000 description 5
- 238000010521 absorption reaction Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000010183 spectrum analysis Methods 0.000 description 4
- QRXMUCSWCMTJGU-UHFFFAOYSA-N 5-bromo-4-chloro-3-indolyl phosphate Chemical compound C1=C(Br)C(Cl)=C2C(OP(O)(=O)O)=CNC2=C1 QRXMUCSWCMTJGU-UHFFFAOYSA-N 0.000 description 3
- 230000002547 anomalous effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 230000003828 downregulation Effects 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000012528 membrane Substances 0.000 description 3
- 206010061289 metastatic neoplasm Diseases 0.000 description 3
- 238000004393 prognosis Methods 0.000 description 3
- 238000004445 quantitative analysis Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 206010055113 Breast cancer metastatic Diseases 0.000 description 2
- 206010027476 Metastases Diseases 0.000 description 2
- 206010027480 Metastatic malignant melanoma Diseases 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 230000002380 cytological effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000001727 in vivo Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 208000021039 metastatic melanoma Diseases 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- NTGBUUXKGAZMSE-UHFFFAOYSA-N phenyl n-[4-[4-(4-methoxyphenyl)piperazin-1-yl]phenyl]carbamate Chemical compound C1=CC(OC)=CC=C1N1CCN(C=2C=CC(NC(=O)OC=3C=CC=CC=3)=CC=2)CC1 NTGBUUXKGAZMSE-UHFFFAOYSA-N 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 108091032973 (ribonucleotides)n+m Proteins 0.000 description 1
- 102000040650 (ribonucleotides)n+m Human genes 0.000 description 1
- 108700028369 Alleles Proteins 0.000 description 1
- 238000000018 DNA microarray Methods 0.000 description 1
- 238000002965 ELISA Methods 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 208000001382 Experimental Melanoma Diseases 0.000 description 1
- 101150054472 HER2 gene Proteins 0.000 description 1
- 108010052285 Membrane Proteins Proteins 0.000 description 1
- 102000018697 Membrane Proteins Human genes 0.000 description 1
- 241001529936 Murinae Species 0.000 description 1
- 102000003992 Peroxidases Human genes 0.000 description 1
- 206010034972 Photosensitivity reaction Diseases 0.000 description 1
- 101150084279 TM gene Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002745 absorbent Effects 0.000 description 1
- 239000002250 absorbent Substances 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 208000011586 benign melanocytic skin nevus Diseases 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 238000012984 biological imaging Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 239000012472 biological sample Substances 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 230000005773 cancer-related death Effects 0.000 description 1
- 238000001444 catalytic combustion detection Methods 0.000 description 1
- 210000000170 cell membrane Anatomy 0.000 description 1
- 210000003850 cellular structure Anatomy 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 210000003161 choroid Anatomy 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 208000035250 cutaneous malignant susceptibility to 1 melanoma Diseases 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000000326 densiometry Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007435 diagnostic evaluation Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 210000002919 epithelial cell Anatomy 0.000 description 1
- 108700020302 erbB-2 Genes Proteins 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000010195 expression analysis Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000007850 fluorescent dye Substances 0.000 description 1
- 239000000499 gel Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229940022353 herceptin Drugs 0.000 description 1
- 230000000984 immunochemical effect Effects 0.000 description 1
- 238000003365 immunocytochemistry Methods 0.000 description 1
- 230000002055 immunohistochemical effect Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000011005 laboratory method Methods 0.000 description 1
- 231100000518 lethal Toxicity 0.000 description 1
- 230000001665 lethal effect Effects 0.000 description 1
- 239000003446 ligand Substances 0.000 description 1
- 230000004298 light response Effects 0.000 description 1
- 239000006193 liquid solution Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 230000001394 metastastic effect Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 210000000633 nuclear envelope Anatomy 0.000 description 1
- 238000000424 optical density measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 108040007629 peroxidase activity proteins Proteins 0.000 description 1
- 230000036211 photosensitivity Effects 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 238000001243 protein synthesis Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 210000003491 skin Anatomy 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000014616 translation Effects 0.000 description 1
- 239000000439 tumor marker Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000001429 visible spectrum Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- G01N15/1429—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
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- 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
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- 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
- G01N2015/1472—Optical investigation techniques, e.g. flow cytometry with spatial resolution of the texture or inner structure of the particle with colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
-
- 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
- G06T2207/10056—Microscopic image
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Multimedia (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Molecular Biology (AREA)
- Dispersion Chemistry (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Image Analysis (AREA)
- Microscoopes, Condenser (AREA)
- Color Image Communication Systems (AREA)
- Closed-Circuit Television Systems (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
Un método de modelado de un tinte, el mencionado método comprendiendo: determinar una transmitancia de la muestra tratada con el tinte, a partir de una imagen en color de la muestra tratada, la imagen comprendiendo una pluralidad de píxeles, en cada uno de los canales rojo, verde y azul de un espacio de color RGB, y para cada píxel de la imagen, al objeto de formar un triplete RGB para cada píxel; caracterizado por agrupar los tripletes RGB de acuerdo con la transmitancia mínima en los canales rojo, verde y azul, para el respectivo triplete RGB; normalizar cada grupo de tripletes RGB mediante sumar las transmitancias en cada uno de los respectivos canales rojo, verde y azul, y después dividir cada una de las transmitancias sumadas por el número de tripletes RGB en el respectivo grupo, para formar respectivos tripletes RGB normalizados; y tabular los tripletes RGB normalizados de acuerdo con la transmitancia mínima de cada triplete RGB normalizado, al objeto de formar una tabla de correspondencia para el tinte, la tabla de correspondencia extendiéndose a incrementos de transmitancia entre el 0% y 100% de transmitancia.
Description
Método para vídeo-microscopía y
sistema asociado, y producto de programa de soporte lógico
informático.
La presente invención se refiere a análisis de
imágenes, y más en concreto a un método para
vídeo-microscopia cuantitativa en aplicaciones de
biología celular y patología y a un sistema asociado, y a un
producto de programa de software informático para este.
El análisis eficaz de imágenes microscópicas es
esencial en biología celular y patología, en particular para la
detección y cuantificación de materiales genéticos, tales como por
ejemplo genes o a ARN mensajero, o de la expresión de esta
información genética en forma de proteínas, tal como por ejemplo a
través de amplificación genética, supresión genética, mutación
genética, cuantificación de moléculas de ARN mensajero o análisis de
la expresión de proteínas. La amplificación genética es la
presencia de demasiadas copias del mismo gen en una célula, donde
una célula contiene usualmente dos copias del mismo gen conocidas
como alelos. La supresión genética indica que puede encontrarse
menos de dos copias de un gen en una célula. La mutación genética
indica la presencia de genes incompletos o no funcionales. Los ARN
mensajeros (ARNm) son moléculas de información genética
sintetizadas a partir de un proceso de lectura de genes, que sirven
como plantillas para la síntesis proteica. La expresión de
proteínas es la producción de una proteína mediante una célula. Si
está aumentada la codificación genética para una proteína dada,
determinada a partir de un proceso de expresión de proteínas, o si
está presente un exceso de copias del gen o del ARNm, la proteína
puede estar sobre-expresada. A la inversa, si la
codificación genética está suprimida o ausente, la proteína puede
estar infra-expresada o ausente.
Los comportamientos celulares normales se
controlan de forma precisa mediante mecanismos que involucran un
gran número de proteínas, ARNms y genes. Se sabe que la
amplificación genética, la supresión genética y la mutación
genética tienen un rol predominante en comportamientos celulares
anómalos, a través de la expresión de proteínas anómala. El rango
de comportamientos celulares de relevancia incluye comportamientos
tan diversos como, por ejemplo, regulación de diferenciación o
proliferación. Por lo tanto, la detección eficaz y cuantificación
en la amplificación, supresión y mutación genéticas, cuantificación
de ARNm o análisis de la expresión de proteínas, son necesarios para
facilitar herramientas útiles de investigación, diagnóstico y
pronóstico.
Hay numerosas técnicas de laboratorio dirigidas
a la detección y cuantificación de la amplificación, supresión y
mutación genéticas, la cuantificación de ARNm o el análisis de la
expresión de proteínas. Por ejemplo, tales incluyen las técnicas de
transferencia de Western, Northern and Southern, reacción en cadena
de la polimerasa ("PCR"), ensayo de inmunoabsorción con
enzimas ligadas ("ELISA"), e hibridación genómica comparada
("CGH"). Sin embargo, rutinariamente se utiliza microscopía
debido a que es una técnica informativa que permite de
investigaciones rápidas en los niveles celular y
sub-celular, siendo a la vez capaz de ser
implementada rápidamente y a relativo bajo coste.
Cuando se escoge la microscopia como técnica de
laboratorio, las muestras biológicas deben primero ser sometidas a
preparaciones específicas de detección y revelación. Una vez que las
muestras están preparadas, una persona experta analiza las muestras
típicamente sólo con un microscopio, en un estudio cualitativo, o
con un microscopio acoplado a una cámara y ordenador, en un estudio
cuantitativo y generalmente estandarizado. En algunos casos el
microscopio puede configurarse para un análisis totalmente
automatizado, en el que el microscopio está automatizado con
enfoque y portaobjetos motorizados, cambiador de objetivo
motorizado, controles automáticos de intensidad de la luz,
etcétera.
La preparación de las muestras para la
detección, puede involucrar diferentes tipos de técnicas de
preparación adecuadas para el análisis microscópico de imágenes,
tales como por ejemplo técnicas de preparación basadas en
hibridación y basadas en marcado con anticuerpos. Tales técnicas de
detección pueden acoplarse con técnicas de revelación apropiadas,
tales como por ejemplo las técnicas basadas en fluorescencia y
basadas en reacción de color visible.
La hibridación in situ ("ISH", In
Situ Hybridation) y la hibridación in situ fluorescente
("FISH") son técnicas de detección y revelación, utilizadas
por ejemplo para la detección y cuantificación en análisis de
mutación y amplificación de información genética. Tanto ISH como
FISH pueden aplicarse a muestras histológicas o citológicas. Estas
técnicas utilizan sondas complementarias específicas para reconocer
correspondientes secuencias precisas. Dependiendo de la técnica
utilizada, la sonda específica puede incluir un marcador
colorimétrico (clSH) o un marcador fluorescente (FISH), donde las
muestras son analizadas utilizando respectivamente un microscopio
de transmisión o un microscopio de fluorescencia. El uso de un
marcador colorimétrico o de un marcador fluorescente depende del
objetivo del usuario teniendo, en cada caso concreto, cada tipo de
marcador las correspondientes ventajas sobre el otro.
En los análisis de la expresión de proteínas
puede utilizarse, por ejemplo, las técnicas de inmunohistoquímica
("IHC") e inmunocitoquímica ("ICC"). IHC es la aplicación
de inmunoquímica a secciones de tejido, mientras que ICC es la
aplicación de inmunoquímica a marcas de tejidos o células
cultivadas, después de que han experimentado preparaciones
citológicas específicas, tales como por ejemplo preparaciones
basadas en líquido. La inmunoquímica es una familia de técnicas
basadas en el uso de un anticuerpo específico, donde los anticuerpos
son utilizados específicamente para moléculas objetivo, en el
interior o sobre la superficie de las células. El anticuerpo
contiene típicamente un marcador que experimentará una reacción
bioquímica, y por lo tanto experimenta un cambio de color tras
encontrar las moléculas objetivo. En algunos casos, la amplificación
de señal puede integrarse en el protocolo concreto, donde un
anticuerpo secundario que incluye el tinte marcador sigue a la
aplicación de un anticuerpo específico primario.
En los estudios tanto de hibridación como de
marcado con anticuerpos, se utiliza generadores cromáticos de
diferentes colores para distinguir entre los diferentes marcadores.
Sin embargo, el número máximo de marcadores que puede utilizarse en
un estudio está limitado por varios factores. Por ejemplo, el
solapamiento espectral de los colores utilizados para los
respectivos marcadores puede ser un factor limitativo, debido a que
los tintes pueden absorber una gran parte del espectro visible. Por
consiguiente, cuando mayor es el número de tintes involucrados en
un estudio mayor es el riesgo de solapamiento espectral. Además, la
resolución espectral del dispositivo de adquisición puede ser un
factor limitativo, y es necesario considerar el mínimo
desplazamiento cromático que el dispositivo es capaz de
detectar.
Además, generalmente se considera que la
inmunoquímica así como la química en ISH, exhiben una escasa
sensibilidad cuando se necesita conseguir la cuantificación de un
marcador. No obstante, la precisión de la cuantificación en estas
técnicas, puede depender de varios factores. Por ejemplo, el tipo de
reacción utilizado puede jugar un papel en la precisión de la
técnica, puesto que la linealidad de la relación entre la
concentración de ligando y el grado de la reacción inmunoquímica de
tinción, pueden depender estrechamente del tipo de reacción. En
concreto, por ejemplo un método de
peroxidasa/anti-peroxidasa puede ser más lineal que
un método de biotina-avidina. La localización
celular de los marcadores puede también afectar a la precisión por
ejemplo cuando, si los marcadores de membrana y nucleares solapan
espacialmente, el color resultante es una mezcla de los respectivos
colores. Por consiguiente, puesto que la correspondiente
cuantificación es subjetiva, la precisión de la determinación puede
verse afectada. Adicionalmente puede requerirse un estándar de
calibración, tal como por ejemplo células con características
conocidas, geles con concentraciones dadas del marcador, o
similares, cuando se aplique un modelo de análisis desarrollado
sobre un caso nuevo y diferente. De forma general, hay disponibles
equipos de tinción que incorporan estándares de calibración. Sin
embargo, el estándar de calibración es usualmente aplicable sólo a
una muestra concreta, tal como una célula específica o una
estructura de un tipo específico, de los que se sabe exhiben
características constantes con respecto al estándar, y puede ser de
utilidad limitada cuando se aplique a una muestra de naturaleza
diferente.
En general, los estudios "colorimétricos"
descritos presentan información de análisis de muestra, en color y
facilitan el procesamiento y cuantificación de la información, para
de ese modo ayudar a proporcionar una diagnosis o generar un
pronóstico del caso concreto. Por ejemplo, la detección y
cuantificación de la expresión de proteínas HER2 y/o la
amplificación genética, pueden evaluarse mediante diferentes
enfoques utilizados en microscopia cuantitativa. HER2 es una
proteína de la membrana, que se ha demostrado significativa en el
diagnóstico y pronóstico del cáncer metastásico de mama. Debido a
que los pacientes positivos a HER2 mostraron ser más sensibles a
tratamientos que incluían Herceptin® (un tratamiento objetivo
desarrollado por Genentech), la definición del estado HER2 de los
cáncer metastásicos de mama ha demostrado ser de primera importancia
en la elección del adecuado protocolo de tratamiento. La definición
del estado HER2 se basó en un estudio de muestras, tratadas bien
con hibridación (FISH, ISH) o con marcado con anticuerpos (IHC).
En tales estudios, utilizar FISH por ejemplo con
un equipo autorizado por la FDA, tal como PathVysion® producido por
Vysis, requiere un protocolo de análisis de imagen para contar el
número de copias del gen HER2 presentes en cada célula. En un caso
normal se encuentra dos copias del gen en cada célula, mientras que
más de tres copias del gen en una célula indican que el gen está
amplificado. Alternativamente, utilizar IHC por ejemplo con un
equipo autorizado por la FDA, tal como Herceptest® producido por
Dako, requiere un protocolo de análisis de imagen que clasifique
los casos en cuatro categorías, dependiendo de la intensidad y la
localización de la tinción de membrana específica HER2. Los
estudios actuales tienden a mostrar que estas dos técnicas de
investigación (hibridación y marcado con anticuerpos) pueden ser
complementarias, y combinadas pueden ayudar a los patólogos en el
diagnóstico del subtipo de tumor.
Sin embargo, tales estudios de colorimetría
requieren la preparación exhaustiva de la muestra, y un control del
procedimiento. Así, cuando se dispone de protocolos de tinción
adaptados es crítico ser capaz de verificar que la tinción de cada
muestra se adapta al modelo concreto utilizado en el dispositivo de
adquisición y procesamiento de la imagen, de forma que se obtenga
resultados útiles y precisos a partir de la información obtenida. De
otro modo, puede ser necesario repetir el análisis comenzando de
nuevo desde la etapa de preparación de la muestra, lo que
posiblemente tiene como resultado un proceso costoso y
prolongado.
En un típico dispositivo de microscopia basado
en adquisición y procesamiento de imágenes, la imagen amplificada
de la muestra debe ser primero capturada y digitalizada con una
cámara, antes de ser analizada. Además, para explotar las
propiedades cromáticas de la muestra se ha desarrollado dispositivos
de adquisición de imagen multiespectral y métodos asociados de
generación de imagen multiespectral, donde tal formación de imagen
multiespectral está típicamente dirigida a la adquisición de
múltiples imágenes de una escena, en diferentes bandas espectrales.
Más en concreto, se utiliza típicamente cámaras digitales de
dispositivo acoplado por carga (CCD, charge coupled device), en
microscopia cuantitativa tanto luminosa como fluorescente. Por
consiguiente, excluyendo los espectrofotómetros se utiliza
generalmente dos técnicas diferentes para llevar a cabo tales
estudios microscópicos cromáticos. En una técnica, puede utilizarse
una cámara CCD en blanco y negro (BW). En tal caso se obtiene una
imagen de la muestra en un nivel de gris, correspondiente a una luz
monocromática que tiene una longitud de onda concreta para la
tinción de la muestra a ser analizada. La longitud de onda concreta
de la luz, se obtiene bien filtrando una fuente de luz blanca a
través de un filtro con un ancho de banda reducido, específico, o
bien directamente mediante controlar la longitud de onda de la
fuente de luz, utilizando controles bien manuales o electrónicos.
La aplicación de patente europea EP 1 065 496 A2, de Meyer et
al. (sobre la que se basa la parte
pre-caracterizadora de la reivindicación 1 anexa),
proporciona una muestra de esta técnica. Por consiguiente,
utilizando esta técnica se incrementa la duración del análisis
cuando se incrementa el número de colores, debido a que es
necesario seleccionar una fuente de luz o un filtro para cada
diferente tinción de la muestra o cada diferente longitud de onda.
Por tanto, se necesita capturar individualmente muchas imágenes
diferentes de la muestra, mostrando la respuesta espectral de la
muestra a diferentes longitudes de onda, para facilitar el
análisis. Cuando se requiere analizar múltiples escenas o campos de
visión, el protocolo típico es automatizar la secuencia en un modo
por lotes, para mantener el tiempo de procesamiento.
De acuerdo con una segunda técnica, se utiliza
una cámara digital CCD en color, en la que se captura y obtiene
simultáneamente tres imágenes de la muestra, en un nivel de gris.
Cada imagen en un nivel de gris corresponde con el respectivo canal
rojo, verde y azul (RGB) de la cámara CCD en color. Después las
imágenes son analizadas directamente en el espacio de color RGB,
mediante limitar el análisis a los píxeles localizados en una región
específica del cubo RGB, la región incluyendo además los píxeles
procedentes de una base de datos de preparación. Alternativamente
las imágenes son analizadas después de la transformación matemática
del espacio de color RGB, en uno o más espacios de color definidos
por la CIE (International Comission on Illumination; Comisión
Internacional de Alumbrado), tales como por ejemplo un espacio HLS
(Hue, Luminance or Saturation; tono, luminancia o saturación).
Alternativamente, algunos fabricantes de cámaras producen cámaras
CCD específicas, en las que pueden reemplazarse los filtros usuales
rojo, verde y azul, por filtros con ancho de banda estrecho para la
obtención de longitudes de onda específicas. En tal caso, la cámara
permite una rápida captura de imágenes de los tres componentes
espectrales de una escena, en forma paralela. Sin embargo, las
cámaras modificadas de este modo pueden estar limitadas a
parámetros específicos de análisis espectral, debido a que no puede
cambiarse los filtros, y por lo tanto no pueden adaptarse a tratar
una combinación de tinte exclusiva para la muestra. Así,
generalmente la segunda técnica depende o bien de la detección de
contraste entre las especies de interés y el resto de la muestra, o
bien del análisis de la muestra sobre un ancho de banda
estrecho.
Los espectrómetros tales como el descrito en la
patente de EE.UU. número 6 007 996, de McNamara et al.,
pueden implementar una combinación concreta de tintes y un
interferómetro para recoger los datos de imagen necesarios para el
análisis. La patente 6 007 996 revela una técnica de formación de
imágenes que requiere la elección de tintes fluorescentes, de
acuerdo con un método concreto para proporcionar una combinación
específica de tintes. Después se necesita un interferómetro,
configurado para examinar un ancho de banda estrecho (un rango de
longitud de onda predefinido, o un conjunto predeterminado de
combinaciones lineales de intensidad espectral) al objeto de
analizar la muestra, donde el dispositivo de recogida de datos
espectrales y la selección de tintes deben ser tales que pueda
recogerse el componente espectral asociado con cada uno de los
tintes. Por consiguiente, el interferómetro necesita que se
adquiera una pluralidad de imágenes de la muestra, en sucesivos
incrementos de medida a través de un rango de longitudes de onda a
ser examinado, con cada una de las imágenes cubriendo la resolución
espectral del ancho de banda estrecho, del dispositivo de
interferómetro. Así, puede recogerse una pluralidad de imágenes
para cada muestra, sobre el rango de longitudes de onda, donde las
imágenes están separadas de acuerdo con cada tinte, mediante
integrar la pluralidad de imágenes que componen la señal óptica
sobre el rango espectral (longitud de onda) de la matriz CCD,
utilizando un algoritmo RGB al objeto de proporcionar una imagen RGB
convertida.
El documento WO 98/55026, de Youvan et
al., revela equipamiento físico y software de generación de
imágenes, calibradores, y métodos para visualizar y cuantificar la
cantidad de transferencia de energía resonante fluorescente (FRET)
que se produce entre moléculas donante y aceptora en microscopia
epifluorescente, y utiliza algoritmos que proporcionan
pseudo-color a la imagen, para mostrar píxeles que
exhiben emisión de fluorescencia corregida radiométricamente,
procedente de la donante (azul), la aceptora (verde), y FRET (rojo),
donde se utiliza una transformación de ortonormalización (ecuación
de Förster) para convertir las señales de donante, aceptora y FRET
en los canales exclusivos rojo, verde y azul.
Son posibles otras técnicas de análisis, y estas
son aplicables con diferentes propósitos, si bien no están
relacionados con los conceptos aquí descritos. Ejemplos de estas
incluyen la patente de EE.UU. número 6 330 349, de Hays et
al., que describe un método automatizado para evaluar la
cantidad de niveles de proteínas residuales que siguen al
tratamiento de especies celulares, y la patente de EE.UU. número 6
276 798. de Gil et al., que describe un método de generación
biológica de imágenes para mejorar las firmas espectrales
patológica, fisiológica, metabólica y relacionada con la salud, del
tejido de un ojo.
Por consiguiente, las técnicas utilizadas en
análisis colorimétricos de muestras preparadas, son de uso limitado
en la detección y cuantificación de especies de interés, debido a
varios factores tales como por ejemplo solapamiento espectral,
mezcla de colores debida a solapamiento espacial de la membrana,
marcadores citoplásmicos y nucleares, aberraciones cromáticas en el
camino óptico, resolución espectral limitada del dispositivo de
adquisición, singularidades de calibración, subjetividad del
proceso de detección y cuantificación, e inconsistencias entre
operarios humanos. La parte de procesamiento de imagen de las
técnicas de análisis colorimétrico ha estado históricamente
dirigida a la detección subjetiva de contraste dentro de la muestra
preparada, o a un análisis complejo y voluminoso de la muestra a
varias longitudes de onda de la luz, específicas, utilizando una
combinación de fuentes de luz y filtros.
\newpage
Así, existe una necesidad para una técnica de
análisis colorimétrico más simple y más eficaz, que supere las
limitaciones de detección y cuantificación que se encuentra en las
técnicas de análisis del arte previo. Tal técnica debe además ser
capaz de proporcionar datos de alta calidad, que comprendan la
necesaria información de análisis sobre la muestra, reduciendo a la
vez la subjetividad y la inconsistencia en el análisis de la
muestra.
De acuerdo con la presente invención, se
proporciona un método de modelado de un tinte, comprendiendo el
mencionado método:
determinar una transmitancia de la muestra
tratada con el tinte, a partir de una imagen de color de la muestra
tratada, la imagen comprendiendo una pluralidad de píxeles en cada
uno de los canales rojo, verde y azul de un espacio de color RGB, y
para cada píxel de la imagen al objeto de formar un triplete RGB
para cada píxel; caracterizado
por
por
agrupar los tripletes RGB de acuerdo con la
transmitancia mínima de los canales rojo, verde y azul, para el
respectivo triplete RGB;
normalizar cada grupo de tripletes RGB, mediante
sumar las transmitancias en cada uno de los respectivos canales
rojo, verde y azul, y después dividir cada una de las transmitancias
sumadas, por el número de tripletes RGB en el respectivo grupo, al
objeto de formar los respectivos tripletes RGB normalizados; y
tabular los tripletes RGB normalizados de
acuerdo con la mínima transmitancia de cada triplete RGB
normalizado, para formar así una tabla de correspondencia para el
tinte, la tabla de correspondencia extendiéndose a incrementos de
transmitancias entre el 0% y el 100% de transmitancias.
Habiendo descrito así la invención en términos
generales, ahora se hará referencia a los dibujos anexos, que no
están necesariamente dibujados a escala y en los cuales:
la figura 1 es una representación general
esquemática, de un sistema de vídeo-microscopia
cuantitativa acorde con la realización de la presente invención;
las figuras 2A-2C ilustran
esquemáticamente la adición de tripletes RGB a una correspondiente
tabla para un tinte, de acuerdo con una realización de la presente
invención;
la figura 3 ilustra esquemáticamente la
normalización de una tabla de correspondencia, de acuerdo con una
realización de la presente invención;
la figura 4A ilustra a modo de ejemplo, un
modelo de un tinte NFR en un espacio de color RGB 3D, de acuerdo con
una realización de la presente invención;
la figura 4B ilustra a modo de ejemplo, un
modelo de un tinte BCIP-NBT en un espacio de color
RGB 3D, de acuerdo con una realización de la presente invención;
la figura 4C ilustra a modo de ejemplo, un
modelo de un tinte NFR como el mostrado en la figura 4A,
la figura 5A ilustra a modo de ejemplo, un
modelo de un tinte NFR sobre una escala 1D (tabla de
correspondencia), de acuerdo con una realización de la presente
invención;
la figura 5B ilustra a modo de ejemplo, un
modelo de un tinte BCIP-NBT en una escala 1D (tabla
de correspondencia), de acuerdo con una realización de la presente
invención;
la figura 5C ilustra a modo de ejemplo, un
modelo de un tinte NFR como el que se muestra la figura 5A,
combinado por adición ortogonal con un tinte
BCIP-NBT como el mostrado en la figura 5B, en una
escala 2D (espacio del tinte), de acuerdo con una realización de la
presente invención;
la figura 6 es una representación esquemática de
un modelo de combinación de tinte, trazado en un espacio de color
RGB 3D, que muestra un píxel de una imagen de la muestra
desconocida, teñida de acuerdo con el mismo protocolo y representada
frente al modelo, separada del modelo mediante un error, de acuerdo
con una realización de la presente invención;
la figura 7 ilustra una muestra de un modelo de
combinación de tinte, representada en un espacio de color RGB 3D,
que tiene un trazado recubierto de una imagen de una muestra
desconocida, teñida según el mismo protocolo, de acuerdo con una
realización de la presente invención;
\newpage
la figura 8 ilustra un ejemplo de una
representación a escala 2D (espacio del tinte) de una combinación de
dos tintes, para determinar las propiedades cromáticas de un píxel
de una imagen de una muestra desconocida, teñida según el mismo
protocolo, de acuerdo con una realización de la presente
invención;
la figura 9 es una ilustración esquemática de
una representación en escala 2D (espacio del tinte), de una
combinación de dos tintes que tienen una región limítrofe definida,
en la que se lleva a cabo la búsqueda de una combinación óptima para
un píxel de una imagen de una muestra desconocida, teñida según el
mismo protocolo, de acuerdo con una realización de la presente
invención;
la figura 10 es una ilustración esquemática de
una representación en espacio de color RGB 3D, de una combinación de
dos tintes que tienen una región limítrofe definida, en la que se
lleva a cabo la búsqueda de una combinación óptima para un píxel de
una imagen de una muestra desconocida, teñida según el mismo
protocolo, de acuerdo con una realización de la presente
invención;
la figura 11 es una imagen de una muestra
desconocida, teñida con una combinación de NFR y
BCIP-NBT, de acuerdo con una realización de la
presente invención;
la figura 12 es una representación esquemática
de la realización práctica, en una configuración extendida, de un
sistema de vídeo-microscopia cuantitativa acorde con
una realización de la presente invención;
la figura 13A es una imagen de una muestra
desconocida, teñida con una combinación de NFR y
BCIP-NBT de acuerdo con una realización de la
presente invención, e ilustrando un componente desconocido; y
la figura 13B es una imagen de una distribución
de error por píxel, del error entre la imagen que se muestra en la
figura 13A y el modelo de dos tintes (NFR y
BCIP-NBT), de acuerdo con una realización de la
presente invención.
En lo que sigue se describirá la presente
invención de forma más completa, con referencia a los dibujos anexos
en los que se muestra realizaciones preferidas de la invención. Sin
embargo esta invención puede realizarse de muchas formas
diferentes, y no debe concebirse como limitada a las realizaciones
aquí enunciadas; por el contrario, se proporciona estas
realizaciones para que esta revelación sea minuciosa y completa, y
traslade totalmente el alcance de la invención a aquellas personas
cualificadas en el arte. A través del documento, los mismos números
se refieren a elementos análogos.
Probablemente el cáncer que se extiende más
rápidamente sea el melanoma cutáneo, para el que recientemente se
ha descubierto un nuevo marcador. Sin embargo, el uso para
diagnóstico y pronóstico requiere la cuantificación precisa de la
regulación a la baja de este marcador, en melanocitos del tumor.
Así, el análisis espectral es una de las metodologías
colorimétricas más fiables para tratar esta cuantificación en la
rutina de microscopia en campo claro. Por consiguiente, se describe
aquí una técnica dedicada a la optimización del análisis
multiespectral, y la aplicación de esta a la cuantificación del
marcador de melanoma, junto con programas de software y sistemas
asociados. Más en concreto, aquí se describe la presente invención
aplicándose a la cuantificación del marcador de melastatina, un
prometedor marcador del tumor de melanoma cutáneo, si bien se
comprenderá que la aplicación concreta se presenta sólo a modo de
ejemplo, y no debe interpretarse como una restricción ni como una
limitación de la aplicabilidad de la presente invención. Por
consiguiente la presente invención puede ser aplicable, de forma
más general, a los estudios colorimétricos cuantitativos de un
amplio rango de muestras teñidas por uno o más tintes, y analizada
de acuerdo con los métodos aquí descritos.
De acuerdo con la American Cancer Society, la
incidencia del melanoma cutáneo se está incrementando más
rápidamente que cualquier otro cáncer en los Estados Unidos. Por
ejemplo habrá unos 51 400 nuevos casos de melanoma en 2001, 21 000
hombres y 22 400 mujeres, lo que es aproximadamente un incremento
del 9% desde 2000. En 2001, con las tasas actuales, aproximadamente
1 de cada 71 estadounidenses tendrá riesgo de desarrollar melanoma
a largo de su vida. Generalmente, la escisión quirúrgica de melanoma
cutáneo primario localizado (etapas I y II del American Joint
Committee on Cancer [AJCC], que comprenden aproximadamente el 75% de
los diagnósticos) puede llevar a la curación en muchos pacientes.
Además, la tasa global de supervivencia a 5 años para los pacientes
con escisión quirúrgica, es aproximadamente del 80%, sugiriendo así
que aproximadamente el 20% de los pacientes de la etapa I y la
etapa II pueden tener una enfermedad micrometastática en el momento
del diagnóstico del melanoma cutáneo. El melanoma es uno de los
cáncer más letales. Por ejemplo en 1996, el melanoma fue responsable
de aproximadamente el 2% de todas las muertes relacionadas con el
cáncer en los Estados Unidos. Actualmente no existe cura para los
pacientes que tienen melanoma que se ha metastatizado a puntos
distantes, y la supervivencia media de estos pacientes es de sólo
unos 6 meses. Por lo tanto, de acuerdo con Duncan et al., J.
Clin. Oncol., Vol. 19, No. 2, páginas 568-576,
2001, identificar pacientes con alto riesgo de desarrollar
metástasis es una de las cuestiones más críticas en el tratamiento
de esta clase de cáncer.
Un gen novedoso denominado melastatina, cuya
expresión está correlacionada con la agresividad en vivo, ha sido
descubierto en sublíneas celulares del melanoma B16 murino, con
potencial metastático divergente en vivo, utilizando análisis ARNm
diferencial. La melastatina humana ha sido clonada, y generalmente
se designa como MLSN-1. El análisis Northern ha
demostrado la expresión de melastatina sólo en células melanocíticas
y en la coroides (tejido del ojo), mientras que no se detecta
expresión de melastatina en otros tejidos. Aunque el análisis de
hibridación in situ de tejidos melanocíticos cutáneos
humanos, ha revelado que el ARNm de melastatina se expresaba
uniformemente en nevus melanocíticos benignos, los melanomas
cutáneos primarios mostraron una expresión variable de ARNm de
melastatina. Notablemente, el estado de melastatina estaba
correlacionado con el grosor del tumor primario, de acuerdo con
Deeds et al., Hum. Pathol., Vol. 31, No. 11, páginas
1346-1356, 2000. Los datos preliminares también
sugerían que la expresión de melastatina estaba en relación inversa
con la enfermedad metastásica humana. Sin embargo, la mayoría de
los últimos resultados indican que la regulación a la baja de ARNm
de melastatina en el tumor cutáneo primario, es un marcador de
pronóstico para la metástasis en pacientes con melanoma maligno
localizado, y es independiente del grosor del tumor y de otras
variables. Cuando son utilizados en combinación, el estado de la
melastatina y el grosor del tumor permiten la identificación de
subgrupos de pacientes, en riesgos alto y bajo de desarrollar
enfermedad metastásica.
La patente de EE.UU. número 6 025 137 está
relacionada con el gen Melastatina^{TM} y el melanoma metastático,
y más en concreto está dirigida a métodos para detectar
Melastatina^{TM} en muestras de tejido del paciente, al objeto de
determinar si un paciente tiene un melanoma metastático o un riesgo
de desarrollarlo. Utilizando la expresión de Melastatina^{TM}
como un marcador de diagnóstico en el trabajo rutinario, la
evaluación debe llevarse a cabo de forma fiable y a bajo coste. IHC
e ISH sobre material histológico procedente de muestras de la piel,
son típicamente las técnicas más convenientes, utilizadas
rutinariamente para cuantificar a bajo coste la expresión de
proteína. Así, las realizaciones de la presente invención están
dirigidas a la cuantificación de melastatina, tiñendo tantos
núcleos de melanocitos normales (melanocitos procedentes de la capa
basal de células epiteliales) considerados como núcleo de
referencia, como núcleos de melanocitos anómalos (melanocitos
procedentes de los focos del tumor). Los resultados de tal análisis
cuantitativo indican si el gen está regulado a la baja o bien se
expresa normalmente, en los núcleos anómalos. Sin embargo, la
eficiencia del análisis cuantitativo depende estrechamente de la
metodología del análisis de imagen, que debe considerar y llevar a
cabo la segmentación de los núcleos de melanocitos, así como el
análisis colorimétrico de los tintes específicos utilizados en el
protocolo.
La plataforma para la evaluación de muestras
biológicas a través del análisis de imagen se está desplazando de
forma incremental, desde un analizador de imagen de propósito
general a una "estación de trabajo de patología" dedicada, a
menudo altamente especializada. Tales estaciones de trabajo están
típicamente diseñadas para facilitar el trabajo rutinario, que a
menudo combina muchas de las herramientas necesarias para
proporcionar a un patólogo la información necesaria para determinar
los mejores resultados posibles. Un ejemplo de tal estación de
trabajo se ilustra en la figura 1, como un sistema de
vídeo-microscopia cuantitativa indicado por el
número 100, acorde con una realización de la presente invención. El
sistema 100 comprende generalmente un microscopio 150, que tiene
una fuente de luz 200 y un objetivo de amplificación 250, una cámara
300, un dispositivo informático 350, y la conexión 400 de
transmisión de datos entre la cámara 300 y el dispositivo
informático 350. El microscopio 150 puede constar, por ejemplo, de
un microscopio Axioplan (o Axiovert) fabricado por ZEISS, Alemania,
o un microscopio similar que tenga una fuente de luz de campo
claro. La cámara 300 acopla operativamente con el microscopio 150,
y una realización comprende una cámara RGB 3CCD, tal como por
ejemplo el modelo DC-330E Dage - MTI RGB 3CCD
producido por Dage-MTI, Inc., Michigan, o una cámara
RGB similar. Típicamente, tal cámara 300 incluye además un
registrador visualizador de tramas (no mostrado) para facilitar la
captura de imágenes siendo por conveniencia, tanto la cámara 300
como el registrador visualizador de tramas, aludidos aquí como
"cámara 300". En algunos casos, tanto la cámara 300 con el
microscopio 150 pueden reemplazarse, por ejemplo mediante un
escáner plano lineal que tenga un chip 3CCD o equivalente, y una
fuente de iluminación controlada. Por ejemplo, puede utilizarse un
escáner modelo Super CoolScan 4000 Ed, fabricado por Nikon
Corporation, para la generación de imágenes a baja resolución.
Nótese que, aunque la presente invención contempla diferentes
configuraciones del sistema 100 necesario, la presente invención se
revela aquí en términos de una cámara 300 y un microscopio asociado
150. Por consiguiente, una persona cualificada en el arte
comprenderá y apreciará las capacidades y las metodologías
asociadas con estas diferentes configuraciones, para realizar la
presente invención tal como se detalla aquí.
La cámara 300 está configurada generalmente para
capturar una imagen 450 de una muestra de 500, a través del
dispositivo de aumento 250 (cuando se utiliza un escáner plano, la
imagen 450 es capturada a través de lentes internas), donde la
imagen 450 puede comprender además una imagen digital que tiene
correspondientes datos de imagen (aquí aludidos colectivamente como
"la imagen 450"). Generalmente la imagen 450 se captura como
un todo, donde los correspondientes datos de imagen comprenden
imagen del campo visual en el canal rojo 550, el canal verde 600, y
el canal azul 650. La conexión 400 de transmisión de datos está
configurada para ser capaz de transmitir la imagen 450 al
dispositivo informático 350, donde el dispositivo informático 350
está además configurado para ser capaz de analizar la imagen 450,
con respecto a cada uno de los canales rojos 550, verde 600 y azul
650.
Cuando el sistema de
vídeo-microscopía cuantitativa 100 de la presente
invención evalúa una expresión de melastatina, debe cumplir ciertos
requisitos para proporcionar resultados adecuados, tal como se
describirá aquí con mayor detalle. Por ejemplo la tinción de
muestras histológicas gruesas puede inducir no linealidades en la
relación entre la intensidad de la tinción y la concentración de
proteínas en la muestra. En tal caso, la densidad óptica integrada
de la muestra no proporcionará datos colorimétricos estables,
reproducibles, y por tanto debe utilizarse una medida alternativa.
Adicionalmente, en general hay presentes 3 generadores cromáticos
en las muestras histológicas: el marcador
(BCIP-NBT), un colorante morfológico (NFR, rojo
rápido nuclear) y una melanina natural. Los tres generadores
cromáticos deben ser tenidos en cuenta por diversas razones. En
primer lugar, para llevar a cabo un análisis cuantitativo del
marcador del tumor, cuando se utiliza un colorante para el análisis
morfológico y el reconocimiento de melanocitos, se requiere un
análisis espectral específico para distinguir y cuantificar tanto
el marcador como el colorante. Además, cuando el colorante se
aplica a la muestra después del marcador, las células muy teñidas
con el marcador no se tiñen tan fácilmente con el colorante. Además
la melastatina se utiliza como marcador de regulación a la baja, y
debido al elevado ruido de fondo, a menudo es problemático
discriminar ruido de fondo inespecífico, respecto de la tinción
específica del marcador, regulada a la baja. Adicionalmente, la
melanina (marrón) puede ser además una fuente de interferencia
durante la evaluación del marcador en regiones de tinción
particularmente intensa.
Así, de acuerdo con un aspecto ventajoso de la
presente invención, un análisis espectral de la expresión de
melastatina está basado en el cálculo de un modelo de cada tinte
utilizado en el protocolo. Tal como se ha descrito previamente, en
una expresión de melastatina hay implicados típicamente tres
diferentes componentes espectrales: el colorante (NFR); el marcador
de melastatina (BCIP-NBT); y un pigmento natural
(melanina) de la muestra histológica. Por consiguiente, las
propiedades espectrales de cada uno de los diferentes componentes
espectrales son estudiadas primero por separado con el sistema de
vídeo-microscopia 100 de la presente invención, por
ejemplo utilizando un portaobjetos histológico por cada tinte. Es
decir, en la fase de prueba del sistema de
vídeo-microscopía 100 se presume que, si está
analizándose sólo un tinte por parte del sistema 100, entonces el
tinte estará distribuido de forma homogénea y continua en un espacio
de color RGB. Una vez que está preparada la muestra histológica 500
para un tinte concreto, se captura una imagen 450 de la muestra 500,
con la cámara 300 a través del objetivo de aumento 250. La imagen
digital resultante 450 es un conjunto bidimensional de píxeles
(2D), ordenado, en el que cada píxel está definido por un triplete
RGB. Es decir, si se utiliza un dispositivo de adquisición de
imagen en color de 8 bits, tal como por ejemplo una cámara 3CCD RGB
de 8 bits 300, cada píxel puede definirse mediante una intensidad
medida de la luz I, o transmitancia, de la muestra 500 en cada uno
de los canales rojo 550, verde 600 y azul 650, teniendo la luz
medida 256 valores posibles que varían entre límites de 0 y 255.
Cuando ha sido capturada al menos una imagen 450
de una muestra histológica 500 para cada tinte, puede entonces
reconstruirse las imágenes artificiales para cada tinte en una
muestra desconocida separada, teñida de acuerdo con el mismo
protocolo, como se discutirá en mayor detalle más abajo.
Típicamente, la imagen 450 de la muestra histológica 500 para cada
tinte, es analizada por el dispositivo informático 350 en una base
por píxel, al objeto de proporcionar un correspondiente conjunto de
datos de tripletes RGB. Después puede establecerse un espacio de
color RGB, el espacio de color RGB comprendiendo un cubo que tiene
un eje para cada uno de los canales rojo 550, verde 600 y azul 650,
con cada eje extendiéndose desde 0 hasta 255, para un dispositivo
300 de adquisición de imágenes de 8 bits. En consecuencia, se ha
encontrado que cuando se representa los tripletes RGB en el espacio
de color RGB, para ilustrar la distribución espacial del tinte
dentro de tal espacio, el tinte ocupa un camino característico que
va desde el negro (0% de transmitancia o no intensidad, en cada uno
de los canales rojo 550, verde 600 y azul 650) al blanco (100% de
transmitancia o intensidad total, en cada uno de los canales rojo
550, verde 600 y azul 650) en el espacio de color RGB. Nótese que
las propiedades RGB correspondientes al 0% de transmitancia y al
100% de transmitancia, pueden determinarse fácilmente para un
sistema concreto, y por consiguiente típicamente comprenden valores
conocidos. También se ha encontrado que, el mismo análisis llevado
a cabo para muestras histológicas adicionales 500 teñidas con el
mismo tinte, revela un patrón espectral reproducible, más en
concreto el camino característico 940 para tal tinte, en el espacio
de color RGB (por ejemplo, véase la figura 4A para NFR y la figura
4B para BCIP-NBT). Así, puede almacenarse un patrón
espectral para el respectivo tinte, en una tabla de correspondencia
también aludida aquí como tabla de consulta (LUT,
look-up table), que describe las propiedades RGB de
un tinte para transmitancias entre el 0 y el 100%, en el espacio de
color RGB.
Una típica tabla de correspondencia para un
tinte, en un sistema de adquisición de imágenes de 8 bits, puede
definirse por ejemplo con 256 filas y 4 columnas, donde cada fila
900 representa un incremento de intensidad o transmitancia. Tres de
las columnas 905, 910, 915 representan cada uno de los canales rojo
550, verde 600 y azul 650, mientras que la cuarta columna 920 que
sirve para indexación, como se describe más abajo. Cada triplete
RGB para el correspondiente píxel en la imagen 450 es introducido
después en la tabla de correspondencia, e indexado de acuerdo con
el mínimo valor de intensidad o transmitancia del triplete, la
mínima intensidad correspondiendo al canal más absorbente (de menor
intensidad o transmitancia) para el tinte concreto. Además, para
cada triplete RGB añadido a la tabla de correspondencia en la
apropiada fila indexada 900, los valores de intensidad del triplete
RGB en los canales rojo 550, verde 600 y azul 650, son añadidos a
los respectivos valores de intensidad para cualquier triplete RGB
ya insertado en la fila indexada 900. Adicionalmente, para todo
triplete RGB añadido a la fila indexada 900, el índice en la cuarta
columna 920 de la tabla de correspondencia se incrementa en uno, al
objeto de seguir el número de píxeles definidos por la misma fila
indexada 900 en la tabla de correspondencia. Este proceso se
muestra, por ejemplo, en las figuras 2A-2C y puede
ser aplicado, por ejemplo, a un gran conjunto de imágenes para cada
tinte, al objeto de proporcionar una caracterización espectral
extensiva y precisa, de ese tinte. Así, una vez que todos los
píxeles en el conjunto de imágenes para tal tinte, han sido
evaluados e insertados en la tabla de correspondencia de acuerdo con
el correspondiente triplete RGB para el respectivo píxel, la tabla
de correspondencia está terminada. A continuación, como se muestra
en la figura 3, es normalizada la tabla de correspondencia
terminada, donde para cada fila indexada 900 el valor de intensidad
sumado en cada uno de los canales rojo 550, verde 600 y azul 650 es
dividido por el número de tripletes RGB recogidos en la fila, como
se indica mediante el valor del índice en la cuarta columna 920 de
la tabla de correspondencia. Así, los tripletes RGB normalizados
925, 930, 935 en la tabla de correspondencia, constan de una línea
representativa 945 a través del espacio de color RGB para el tinte
concreto (por ejemplo, véase la figura 4A para NFR y la figura 4B
para BCIP-NBT), donde la línea representativa 945
se extiende a lo largo del camino característico 940 determinado
previamente para tal tinte.
Una vez normalizadas, las filas indexadas
incluirán generalmente tripletes RGB normalizados para la respectiva
fila. Sin embargo, en algunos casos algunas de las filas indexadas
pueden perderse un triplete RGB puesto que, por ejemplo, una fila
indexada en la tabla de correspondencia puede no estar
necesariamente representada por un correspondiente píxel en la
imagen. Es decir, puede haber casos en los que ningún triplete RGB
para un píxel en la imagen, satisfaga el criterio para ser añadido
a una fila concreta. Además en algunos casos puede establecerse un
criterio de importancia, al objeto de eliminar artefactos debidos a
una representación por defecto en la imagen. Por ejemplo, una fila
indexada en la tabla de correspondencia puede considerarse
significativa solo si en tal fila se ha indexado 1000 o más píxeles
de la imagen. Si la fila indexada deja de satisfacer el criterio de
importancia, entonces puede descartarse cualesquiera valores en las
tres columnas R, G y B, o bien ser retirados del modelo para ese
tinte. Por consiguiente, en casos en los que una fila indexada de
la tabla de correspondencia normalizada, no incluye un triplete RGB
normalizado, puede utilizarse una interpolación al objeto de
determinar un triplete RGB aproximado para cualquier fila que
carezca de un triplete RGB normalizado. Típicamente es pequeño el
número de tripletes contiguos RGB perdidos o no significativos, y
así puede implementarse, por ejemplo, una interpolación polinómica
cúbica (véase por ejemplo "Numerical Recipes in C: The Art of
Scientific Computing" (ISBN
0-521-43108-5),
páginas 113-117, Copyright (c)
1988-1992 por Cambridge University Press. Programs
Copyright (c) 1988-1992 por Numerical Recipes
Software) al objeto de obtener un triplete RGB aproximado para una
fila vacía, tanto desde un triplete RGB normalizado conocido en una
fila indexada de transmitancia superior, como desde un triplete RGB
normalizado en una fila indexada de transmitancia menor. Sin
embargo, una persona cualificada en el arte comprenderá que son
igualmente aplicables y eficaces otras formas de interpolación,
dependiendo de los requisitos de la aplicación concreta. Por ejemplo
en algunos casos puede utilizarse una interpolación lineal. Por
consiguiente, una vez que se ha completado la correspondiente tabla
el respectivo tinte está modelado en grado suficiente, y el modelo
es válido para su uso en otras aplicaciones, tal como se detalla más
abajo.
De acuerdo con una realización ventajosa de la
presente invención, una vez que se ha modelado los tintes concretos
de acuerdo con el procedimiento descrito arriba, puede combinarse
dos o más de estos modelos para tintes individuales, al objeto de
corresponder con el protocolo de tinción utilizado para una
expresión concreta. Así, por ejemplo para una expresión de
melastatina puede combinarse modelos individuales para el colorante
(NFR) y el marcador de melastatina (BCIP-NBT), con
el propósito de facilitar la evaluación de una muestra histológica
desconocida, teñida de acuerdo con este protocolo. Generalmente, la
respectiva tabla de correspondencia para cada tinte define valores
de transmitancia que varían desde negro (transmitancia del 0%) a
blanco (transmitancia del 100%), con etapas incrementales lineales
(1/256% en transmitancia, para un dispositivo de adquisición de
imágenes de 8 bits/canal) entre ambos. Así, como se ha descrito
previamente la LUT para un sólo tinte es la línea representativa
945 que se extiende a través del camino característico 940 para tal
tinte, en el espacio de color RGB, donde la línea representativa
945 puede ser expresada en una escala de una dimensión (1D),
resumiendo la distribución espacial del tinte en el espacio de
color RGB, desde el 0 al 100% de transmitancia (por ejemplo, véase
la figura 5A para NFR y la figura 5B para
BCIP-NBT).
Para un protocolo de tinción que especifique una
cierta combinación de tintes, puede llevarse a cabo un modelo de
tal protocolo para tal combinación de tintes, a partir de la adición
ortogonal de las LUTs para los respectivos tintes, como se muestra
por ejemplo en la figura 5C. Por consiguiente tal modelo se definirá
teniendo una dimensión por tinte. Generalmente, la suma de por
ejemplo dos tintes tales como los utilizados en una expresión de
melastatina, puede conseguirse utilizando la ley de
Lambert-Beer para generar los tripletes RGB
apropiados, para la combinación de tintes concreta. Así, de acuerdo
con un concreto aspecto ventajoso de la presente invención, el
sistema 100 está configurado para analizar la muestra de acuerdo con
la ley de Lambert-Beer. La ley de
Lambert-Beer describe en general una
proporcionalidad que puede ser observada, entre la concentración de
moléculas en una solución (la concentración de la "especie
molecular" o de la "muestra") y la intensidad de la luz
medida a través de la solución, y típicamente se expresa como:
donde OD es la densidad óptica de
la solución, \varepsilon es una constante de proporcionalidad
denominada extinción molar o coeficiente de absorción, l es el
grosor de la muestra y C es la concentración de la especie
molecular. El coeficiente de absorción \varepsilon es específico
de la especie molecular, y se expresa típicamente en unidades de
1\cdotmol^{-1}\cdotcm^{-1}.
Esta relación de proporcionalidad definida como
la ley de Lambert-Beer, ha sido verificada bajo
diversas condiciones incluyendo, por ejemplo, iluminar la muestra
con luz monocromática, baja concentración molecular dentro de la
muestra, generalmente no fluorescencia ni heterogeneidad de
respuesta luminosa (fluorescencia y difusión despreciables) de la
muestra, y ausencia de fotosensibilidad de la muestra. Además, otro
requisito para el análisis acorde con la ley de
Lambert-Beer incluye, por ejemplo, la correcta
iluminación Koehler de la muestra bajo el microscopio. La
iluminación Koehler está disponible en muchos microscopios modernos,
proporcionando una iluminación uniforme de la muestra en el plano
de la imagen, y permitiendo un control eficaz del contraste. La
iluminación Koehler es crítica para ciertos procesos, tales como por
ejemplo el análisis de densitometría. Típicamente una iluminación
Koehler correcta se proporciona mediante, por ejemplo, un sistema de
iluminación en dos plataformas para el microscopio, en el que se
genera la imagen de la fuente en la abertura del condensador
sub-plataforma mediante un condensador auxiliar. A
su vez, el condensador sub-plataforma forma una
imagen del condensador auxiliar sobre el objeto. También puede
colocarse un diafragma del iris en cada condensador, donde el
primer iris controla el área del objeto a ser iluminado y el segundo
iris varía la abertura numérica del haz de iluminación.
\newpage
La ley de Lambert-Beer tiene una
propiedad aditiva, de forma que si la muestra comprende varias
especies moleculares que absorben la luz, por ejemplo s_{1} y
s_{2}, con respectivas concentraciones C_{1} y C_{2}, el OD de
una muestra de grosor I (donde I_{1} = I_{2} = I para la
muestra, como se indica en la siguiente solución) puede expresarse
como:
\vskip1.000000\baselineskip
\vskip1.000000\baselineskip
Esta situación ocurre, por ejemplo, en un
análisis biológico en el que una "escena", un campo visual, o
una parte de la muestra, han sido teñidos con dos tintes,
consistentes en un tinte marcador para delimitar la especie
molecular de interés y un colorante para teñir el resto de la
muestra.
Una vez que el microscopio 150 ha sido
configurado para proporcionar iluminación Koehler para la
adquisición de imagen, y las aberraciones cromáticas han sido
tratadas, puede aplicarse la propiedad aditiva de la ley de
Lambert-Beer para separación del generador
cromático. Por ejemplo, la propiedad aditiva de la ley de
Lambert-Beer puede extenderse a una situación en
que la escena es analizada en un entorno de color, por ejemplo
generado por una cámara RGB, separado en canales rojo, verde y
azul. En tal caso, el tinte marcador (o "tinte 1") exhibe
coeficientes de absorción \varepsilon_{1r}, \varepsilon_{1g}
y \varepsilon_{1b}, respectivamente en los canales rojo, verde
y azul. Nótese que en algunos casos, el análisis de la imagen en
cada uno de los canales rojo, verde y azul es equivalente a
analizar una representación roja de la imagen a través del espectro
rojo, una representación verde de la imagen a través del espectro
verde, y una representación azul de la imagen a través del espectro
azul. Por consiguiente, el colorante (o "tinte 2") exhibe
coeficientes de absorción \varepsilon_{2r},
\varepsilon_{2g} y \varepsilon_{2b}, respectivamente en los
canales rojo, verde y azul. Por lo tanto, de acuerdo con la
propiedad aditiva de la ley de Lambert-Beer, el
análisis de la muestra en el entorno RGB conduce a tres ecuaciones
para la densidad óptica de esta:
\vskip1.000000\baselineskip
donde OD_{r}, OD_{g} y OD_{b}
representan las densidades ópticas de la muestra, medidas
respectivamente en los canales rojo, verde y azul. Es más, en el
caso de una complejidad incrementada en la preparación de la
muestra, tal como por ejemplo el tratamiento de la muestra con tres
tintes diferentes, las ecuaciones (3), (4) y (5) quedan
como:
\vskip1.000000\baselineskip
\vskip1.000000\baselineskip
En tal situación, los tres tintes pueden constar
por ejemplo de un tinte marcador y dos colorantes, o de dos tintes
marcadores y un colorante, o incluso de tres tintes marcadores
diferentes. Por ejemplo siguiendo con la aplicación de la expresión
de Melastatina^{TM}, los tres tintes comprenden el colorante (Rojo
Rápido Nuclear), el marcador (BCIP-NBT) y el
pigmento natural (melanina) de la muestra histológica. No obstante,
las personas cualificadas en el arte comprenderán que esta propiedad
demostrada de la ley de Lambert-Beer puede
expandirse para incluir una pluralidad incluso mayor de
combinaciones de tintes, de acuerdo con el espíritu y alcance de la
presente invención. Nótese además que, en algunos casos, puede
excluirse inicialmente uno o más tintes respecto del análisis
descrito, y después ser caracterizados y añadidos al modelo para
combinación de tintes si fuera necesario. Por ejemplo algunas
muestras pueden caracterizarse por tener pocas células que expresen
melanina, o por estar estas localizadas. Por consiguiente, para
muchas imágenes de la muestra puede ser suficiente un modelo que
consista sólo en el colorante (rojo rápido nuclear) y el marcador
(BCIP-NBT), para analizar tales imágenes. Sin
embargo, donde hay presentes células expresando melanina el modelo
de dos tintes puede complementarse con un tercer componente de
tinte correspondiente a la melanina, el tercer componente de tinte
obteniéndose e incorporándose al modelo como se ha descrito aquí. La
suficiencia del modelo y de los ejemplos concretos que requieren la
incorporación de componentes de tinte adicionales, se discute
adicionalmente más abajo, con respecto al concepto de determinación
de error entre respectivos píxeles de la imagen de la muestra y el
modelo de tinte aplicable.
Un aspecto particularmente ventajoso de la
presente invención, utiliza un dispositivo de formación de imágenes
en color, de captura rápida, tal como por ejemplo una cámara 3CCD
RGB, para la formación multiespectral de imágenes de los
marcadores, sobre tres canales distintos (rojo, verde y azul), al
objeto de facilitar la formación multiespectral de imágenes de
marcadores biológicos. Por consiguiente, la aplicación de la ley de
Lambert-Beer a un sistema de microscopía digital
100 de la presente invención, asume que la ley de
Lambert-Beer puede también expresarse como:
para una imagen digital 450 de la
muestra 500, que comprende una pluralidad de píxeles, dispuestos por
ejemplo de acuerdo con un sistema cartesiano de coordenadas, donde
(x, y) significa un píxel concreto de la imagen 450, OD_{(x, y)}
es la densidad óptica de la muestra 500 en el píxel, I_{(x, y)} es
la transmitancia o intensidad de la luz medida de la muestra 500 en
el píxel, e I_{0(x, y)} es la intensidad de la en la fuente
de luz 200, medida sin ningún objeto intermedio absorbente de luz,
tal como la muestra. Una persona cualificada en el arte apreciará
además, que la relación logarítmica descrita en la ecuación (9)
puede ser expresada en diversas bases, dentro del espíritu y
alcance de la presente invención. Por ejemplo, la relación puede ser
expresada en base 2, en base 10 o en logaritmos naturales, donde
las diversas bases están relacionadas por respectivas constantes de
proporcionalidad (por ejemplo, ln(x) o log_{e}(x) =
2,3026 \cdot log_{10}(x)). Así, la constante de
proporcionalidad puede considerarse de forma apropiada cuando se
dibuje comparaciones relativas, en intensidades de luz. Además, en
la microscopía cuantitativa acorde con la ley de
Lambert-Beer se conserva la relación de
proporcionalidad entre la densidad óptica OD de la muestra y las
concentraciones de tinte. Por lo tanto, para una muestra preparada
500 examinada por el sistema 100, la relación apropiada se expresa
como:
Cuando se utilice, por ejemplo, una cámara RGB
de 8 bits 300 en el sistema 100, la intensidad de la luz transmitida
a través de la muestra en cada canal, puede expresarse como 2^{8}
(= 256) valores entre 0 y 255. Por ejemplo, la intensidad inicial
I_{0} de la fuente de luz 200, que corresponde una transmitancia
del 100%, se expresará preferentemente en cada uno de los canales
rojo 550, verde 600 y azul 650, como un valor próximo a 255,
representando el valor más brillante posible en cada canal. La
cámara 300 y/o la fuente de luz 200 pueden ajustarse
correspondientemente de forma que, en ausencia de la muestra, una
luz "blanca" pura tendrá un valor de intensidad de 251 en cada
uno de los canales rojo 550, verde 600 y azul 650, correspondiendo a
una transmitancia del 100%. A la inversa, en ausencia de luz, lo
cual en general corresponde a una transmitancia que se aproxima al
0%, una "imagen negra" tendrá un valor de intensidad próximo a
0 en cada uno de los canales rojo 550, verde 600 y azul 650. En
cualquier píxel, la intensidad inicial I_{0} de de la fuente de
luz 200, correspondiente a una transmitancia del 100% se expresa,
por tanto, como la diferencia entre el valor de intensidad medido en
presencia de la fuente de luz 200, y el valor de intensidad medido
en ausencia de la fuente de luz 200, para cada uno de los canales
rojo 550, verde 600 y azul 650. Debido a que la intensidad de la
fuente de luz 200 puede variar espacialmente a través de la imagen
450, o sobre el campo visual medido, y debido a que el objetivo de
aumento 250 u otros componentes típicos pueden absorber luz de
forma heterogénea, la transmitancia del 100% puede representarse
por diversas intensidades diferenciales sobre el campo visual
medido. Sin embargo, puesto que la densidad óptica OD de la muestra
se expresa como el logaritmo de la razón entre la transmitancia de
luz en ausencia de la muestra (intensidad inicial I_{0}) y la
transmitancia de luz en presencia de la muestra (I), en buena
medida la densidad óptica OD es insensible a pequeñas variaciones en
las intensidades diferenciales sobre el campo visual medido. Puesto
que la fuente de luz 200 permanece sustancialmente constante en el
tiempo, o puede ser reevaluada fácilmente, la medida de la
intensidad de luz para cualquier píxel, en ausencia de la muestra,
puede traducirse por la transmitancia I en tal píxel, y en cada uno
de los canales rojo 550, verde 600 y azul 650. Una vez que se ha
determinado los valores para la intensidad inicial I_{0} y la
transmitancia I, puede calcularse la densidad óptica OD.
En el caso de que un protocolo que incluya dos
tintes, tal como por ejemplo la expresión de melastatina, el modelo
para la combinación de los dos tintes es un mapa en 2D
correspondiente a la suma ortogonal de la LUT para un tinte mas la
LUT para el segundo tinte, estando cada LUT expresada como una
escala de una dimensión (1D) (figuras 5A y 5B) que describe la
línea representativa 945, que se extiende a través del camino
característico 940 para tal tinte en el espacio de color RGB, desde
el 0% hasta el 100% de transmitancia. Así, cada píxel en una
localización (x, y) en el mapa 2D (figura 5C) corresponde a
la suma del tinte 1 (o sea NFR) y el tinte 2 (o sea
BCIP-NBT). Es decir, cada píxel en una localización
(x, y) del mapa 2D, corresponde a la combinación de un
triplete RGB desde la LUT del tinte 1, en una fila indexada x, con
un triplete RGB desde la LUT del tinte 2, en una fila indexada y.
Por consiguiente, el triplete RGB resultante para el píxel en (x,
y) en el mapa 2D, puede expresarse como:
donde R_{(x, y)}, G_{(x, y)} y
B_{(x, y)} son transmitancias, respectivamente en cada uno de los
canales rojo 550, verde 600 y azul 650. Sin embargo, aunque las
transmitancias no exhiben generalmente una propiedad aditiva, las
densidades ópticas sí exhiben una propiedad aditiva. Por
consiguiente para un sistema de 8 bits/canal, las densidades
ópticas en cada uno de los canales rojo 550, verde 600 y azul 650,
para el píxel en (x, y) en el mapa 2D, pueden expresarse
como:
\vskip1.000000\baselineskip
Así, puesto que todo píxel en el modelo 2D está
definido por un triplete RGB determinado a partir de la combinación
de un triplete RGB apropiado para cada uno de los dos tintes, el
modelo 1D de cada tinte así como el modelo 2D de la combinación de
los dos tintes, pueden visualizarse por separado en un espacio de
color RGB 3D como se muestra en la figura 4C.
Después haberse completado el modelo para la
combinación de tintes utilizados para el protocolo concreto, el
modelo puede entonces ser aplicado a muestras histológicas
desconocidas, teñidas de acuerdo con el protocolo. Por consiguiente
se utiliza después el sistema 100, para capturar una imagen 450 de
una muestra histológica desconocida 500 acorde un protocolo, tal
como la expresión de melastatina, para el que se ha desarrollado
previamente un modelo apropiado. Como con el procedimiento del
modelado de tintes, la imagen 450 de la muestra histológica
desconocida 500 es analizada sobre una base por píxel. Así, cada
píxel P_{i} en la imagen 450 de la muestra histológica
desconocida 500 está definido por un triplete RGB (R_{i},
G_{i}, B_{i}), y un aspecto ventajoso concreto de la
presente invención, asume que un semejante píxel P_{i} puede estar
correlacionado con un color P_{m} definido por un triplete RGB
(R_{m}, G_{m}, B_{m}) en el modelo. El color P_{m}
corresponde a una combinación de tintes, que minimiza la distancia
euclídea entre el píxel Pi y el modelo en el espacio de color RGB,
como se muestra en la figura 6. De ese modo, Pm se determina
mediante minimizar la solución de d(P_{i}, P_{m})
sobre el modelo, donde:
\vskip1.000000\baselineskip
Además, la distancia euclídea minimizada entre
P_{i} y P_{m} corresponde a un error entre la imagen real y el
modelo, e indica así la eficiencia del modelo para describir la
imagen real. Tal concepto puede mostrarse gráficamente en el
espacio de color RGB y puede utilizarse para evaluar la muestra,
como se ve por ejemplo en la figura 7. Más en concreto, el error
medio de los pixeles que representan un objeto específico (es decir
la máscara de un núcleo) dentro de la imagen, puede utilizarse para
bien aceptar o rechazar el modelo para tal objeto específico. De
acuerdo con este procedimiento puede identificarse los objetos
dentro de la imagen, como inclusivos de otros tintes respecto de
los utilizados para construir el modelo. Por ejemplo, en el caso de
la expresión de melastatina, un error medio significativo en una
parte de la imagen de la muestra puede indicar que la estructura
que está estudiándose en la imagen comprende pigmento natural
(melanina), que no se consideró en el desarrollo del modelo de los
otros dos tintes, puede indicar contaminación, o puede indicar un
artefacto no identificado. Por contraste, un error pequeño o
inexistente puede indicar que la parte de la muestra que está
siendo estudiada incluye tejido que está tenido por cualquiera, o la
totalidad, de las tintas utilizadas para desarrollar el modelo para
ese protocolo. Es más, por ejemplo un error constante significativo
encontrado a través de la totalidad de los píxeles en la imagen de
una muestra histológica desconocida, puede indicar que el modelo
para el protocolo está desplazado en relación con la muestra
histológica desconocida. En otros casos, un error significativo a
través de la totalidad de los píxeles de la imagen, puede indicar
que se ha utilizado uno o más tintes inapropiados para teñir la
muestra histológica desconocida.
En casos en los que es identificable la fuente
de un error medio significativo, por ejemplo a partir de un examen
de la imagen, el modelo de tinte puede complementarse con la adición
de un componente de tinte adicional, al objeto de proporcionar un
modelo mejorado para analizar la imagen, o para analizar un objeto
dentro de la imagen. Por ejemplo algunas imágenes pueden incluir
células que expresen melanina, la cuales pueden ser identificadas
como tales por parte de una persona cualificada en el arte viendo
tales imágenes. Por ejemplo se muestra una imagen semejante en la
figura 13A, donde el componente de melanina puede estar indicado por
un componente (a saber, pardo o sombreado) de la imagen. Por
consiguiente, para un modelo de tinte que comprende solo el
colorante (rojo rápido nuclear) y el marcador
(BCIP-NBT), una distribución de error tal como la
que se muestra en la figura 13B indica el componente de melanina
(que podría no estar incluido en el modelo de tinte), como un
componente rojo o bien oscuro, mientras que un componente azul o
bien claro (a saber, el fondo blanco) indica áreas de la imagen
descritas en grado suficiente por el modelo de dos tintas,
exhibiendo poco o ningún error para tales píxeles. Es decir, los
puntos negros indican componentes no descritos por el modelo de dos
tintas, mientras que el fondo blanco indica los componentes que
están descritos por el modelo de dos tintas. En tales casos, una
muestra o fuente de melanina diferente puede caracterizarse como se
detalla aquí, y después añadirse los resultados al modelo de dos
tintas existente. Es decir, por ejemplo la expresión de
Melastatina^{TM} aquí descrita, puede ser analizada por un modelo
de tres tintes que comprende un componente para el colorante (rojo
rápido nuclear), un componente para el marcador
(BCIP-NBT) y un componente para el pigmento natural
(melanina), donde una imagen de la muestra histológica teñida exhibe
células que expresan melanina. Un análisis de la distribución de
error de la imagen mostrada en la figura 13A, con el componente de
melanina añadido al modelo de dos tintes para producir un modelo de
tres tintes, mostraría así una imagen de error predominantemente
azul o bien clara, indicando que el modelo de tres tintes es ahora
suficiente para describir la totalidad de los píxeles en la imagen.
Es decir, la imagen de error sería sustancialmente blanca en su
totalidad, indicando de ese modo que el modelo de tres tintes
describe todos los componentes. Nótese además, que una persona
cualificada en el arte apreciará que añadir el componente de tinte
adicional al modelo de tintes puede conseguirse fácilmente, como se
detalla aquí.
Una vez ha sido determinado un error para cada
píxel de la imagen, el análisis posterior de estos errores puede
proporcionar otra información útil con respecto a la imagen. Por
ejemplo, para un objeto dado tal como una célula dentro de la
imagen, puede integrarse los errores para los píxeles que comprenden
el objeto, con el propósito de proporcionar una indicación de si
está teñido con los tintes que componen el modelo, para evaluar si
el objeto es válido para una ulterior valoración. En algunos casos,
la imagen evaluada puede configurarse con el propósito de servir
para la verificación del modelo de tinte concreto, como apreciará
una persona cualificada en el arte. Además, puede estructurarse un
análisis de los errores, por ejemplo con el propósito de servir
para la detección de objetos, dentro de una imagen, que no están
descritos por el modelo de tinte concreto, e indicar variaciones en
la preparación de múltiples muestras y variaciones dentro de una
sola muestra. Así, ventajosamente la evaluación del error entre la
imagen y el modelo puede proporcionar información significativa y
valiosa para la evaluación de la muestra, como se ha descrito
aquí.
Una vez que los píxeles de la imagen de la
muestra histológica desconocida han sido capturados y evaluados por
el sistema 100, puede evaluarse los píxeles de acuerdo con el
respectivo color correspondiente P_{m}, para determinar el
triplete RGB apropiado, aportado por cada tinte en el modelo de
combinación 2D (es decir (R_{BCIP}, G_{BCIP},
B_{BCIP}) y (R_{NFR}, G_{NFR}, B_{NFR}))
procedente de la LUT del respectivo tinte, tal como se ha descrito
y mostrado previamente mediante el ejemplo de la figura 8. Así, la
imagen de la muestra histológica desconocida puede ser después
visualizada como la imagen capturada, y como imágenes individuales
de las que cada una representa la distribución de un respectivo
tinte. Tal como se ha descrito previamente, cada tinte tiene una
concentración representada por una transmitancia, que varía entre
transmitancias del 0% y el 100%, estando además el rango de
transmitancia representado por valores grises entre 0 y 255 para un
sistema de 8 bits/canal. Así, puesto que el modelo de combinación 2D
se utiliza para evaluar la imagen de la muestra histológica
desconocida, siempre que un color de píxel Pm (triplete RGB) en la
imagen de la muestra desconocida, no esté presente en el modelo de
combinación de tintes, lo que se manifiesta en el cálculo de un
error mayor que cero, la solución propuesta tiene que ser verificada
con respecto a la teoría de densidad óptica y la ley de
Lambert-Beer. Es decir, cuando un valor RGB para un
píxel en la imagen de la muestra histológica desconocida, que no
corresponde al modelo de combinación de tintes, tal valor RGB puede
incluir algún ruido, por ejemplo procedente de la muestra
histológica, de la cámara, de los sistemas ópticos, o de otras
fuentes de ruido. Adicional o alternativamente, el valor RGB errado
para el píxel puede indicar que el valor RGB se generó a partir de
una combinación de tintes diferente, en comparación con el modelo de
combinación de tintes.
Por consiguiente para asegurar la solidez y
adecuación del modelo de combinación de tintes, un aspecto ventajoso
de la presente invención utiliza un enfoque concreto como el
mostrado en la figura 9. Primero, el espacio del modelo de
combinación de tintes investigado durante la búsqueda de la
combinación óptima de tintes, se restringe a una región limitada
950 con respecto al píxel investigado de la imagen de la muestra
histológica desconocida. Más en concreto, la región limitada 950 en
la que determinar la combinación de tintes óptima para el píxel
investigado, está definida por la fila indexada LUT 955, 960 para
cada tinte individual, que separa valores RGB que tienen
transmitancia igual o mayor con respecto al píxel investigado,
respecto de valores RGB que tienen una transmitancia menor con
respecto al píxel investigado, en cualquiera de los canales rojo
550, verde 600 y azul 650. Es decir, la fila indexada LUT que define
la región limitada 950 para el respectivo tinte, no puede tener una
transmitancia en cualquiera de los canales rojo 550, verde 600 y
azul 650, que sea menor que la transmitancia en el correspondiente
canal del píxel investigado. La región limitada 950 se define así
sobre la premisa de que la búsqueda de la combinación óptima de
tintes, no puede realizarse entre concentraciones de tintes para
cualquier tinte, en cualquiera de los canales rojo 550, verde 600 y
azul 650, que pueda exhibir individualmente una densidad óptica
superior que el píxel investigado. Así, la región limitada 950 puede
indicarse también sobre un mapa de error en el espacio de color RGB
como se muestra en la figura 10, ilustrando para cada píxel la
distancia del píxel investigado al modelo de combinación de tintes.
Por lo tanto, resolver la combinación óptima de tintes para cada
píxel de imagen de la muestra histológica desconocida, facilita por
ejemplo la visualización y cuantificación de la cantidad de cada
tinte (colorante, marcador o pigmento natural) distribuido sobre la
imagen. Por ejemplo la imagen de la muestra representada en la
figura 11, puede mostrarse como una imagen artificial de solo uno
de los tintes componentes (es decir, solo NFR o solo
BCIP-NBT). Tales imágenes artificiales para cada
uno de los tintes componentes se reconstruyen típicamente sobre una
base por píxel, a partir de la LUT para cada respectivo tinte. Es
decir, la imagen artificial para tal componente único de tinte se
construye sobre una base por píxel, a partir del valor real de
transmitancia en cada uno de los canales rojo, verde y azul, de la
fila de índice apropiado de la LUT para tal tinte, donde la fila de
índice apropiado para el respectivo píxel corresponde a la
contribución de tal tinte, determinada a partir de la combinación
óptima de tintes para tal píxel. Alternativamente, la imagen
original (figura 11) puede mostrarse como una imagen artificial en
nivel de grises, de solo uno de los tintes componentes (es decir,
solo NFR o solo BCIP-NBT). Tales imágenes
artificiales en nivel de grises se reconstruyen también típicamente
en una base por píxel, a partir de la LUT para cada respectivo
tinte. Sin embargo, en estos casos la imagen artificial en nivel de
grises para el único tinte componente, se construye sobre una base
por píxel a partir de la fila de índice apropiado de la LUT, para
tal tinte, donde la fila de índice apropiado para el respectivo
píxel corresponde a la contribución de tal tinte, determinada a
partir de la combinación óptima de tintes para tal píxel. Más en
concreto, como se ha descrito previamente, la fila del índice
representa el canal RGB con la mínima transmitancia el cual, cuando
se combina con la intensidad inicial I_{0} permite que el píxel
concreto sea expresado en términos de una densidad óptica OD, con
la imagen artificial en nivel de grises estando construida en
correspondencia, como apreciará una persona cualificada en el arte.
Además una persona cualificada el arte apreciará, por ejemplo, que
la subsiguiente cuantificación de cada componente de tinte dentro de
la imagen, u otro análisis cualitativo o cuantitativo de una
imagen, puede adoptarse de forma complementaria, una vez que se ha
determinado las imágenes artificiales utilizando diversas formas de
procesamiento de imagen u otras técnicas utilizadas comúnmente en
análisis de imagen, y tal subsiguiente análisis, si bien no se
describe aquí en detalle por brevedad, se considerará dentro del
alcance de las realizaciones de la invención aquí presentada.
Como se ha discutido previamente, si bien aquí
se describe realizaciones de la presente invención a modo de
ejemplo en términos de un sistema de
vídeo-microscopía, una persona cualificada en el
arte comprenderá y apreciara que los conceptos aquí descritos
pueden tener una extensa aplicabilidad a sistemas no microscópicos.
Por ejemplo, los conceptos aquí descritos pueden ser aplicables
donde pueda caracterizarse por separado uno o más componentes de
color, de forma que pueda recogerse información útil a partir de la
distribución de tales componentes de color con respecto a una
muestra desconocida que comprenda los componentes de color. Tales
casos pueden presentarse, por ejemplo, cuando uno o más líquidos
puedan caracterizarse como se revela aquí, y tales caracterizaciones
ser después aplicadas a la determinación de las características de
una solución líquida desconocida que comprenda los líquidos
individuales conocidos, tales líquidos componiéndose por ejemplo de
pinturas o tintes. En un sentido más general, los conceptos aquí
descritos pueden ser aplicables cuando pueda utilizarse la
caracterización de imagen digital de los componentes individuales,
para analizar una imagen de una muestra desconocida que puede no
necesariamente componerse de los componentes individuales conocidos,
en la que puede obtenerse mucha información a partir de la
comparación de la muestra desconocida con el modelo seleccionado,
tal como apreciará una persona cualificada en el arte.
Como resultado de las técnicas de identificación
de tintes, que utilizan generación de imágenes de vídeo en color
como se ha descrito aquí previamente, se consigue otros aspectos
ventajosos de la presente invención. Por ejemplo puede generarse
una imagen artificial del campo visual, en un espacio de color RGB o
en niveles de grises, como una imagen en vivo o sustancialmente en
tiempo real, o una imagen fija, para combinaciones de los tintes
que comprenden un marcador y/o un colorante, utilizados para el
protocolo de tinción de la muestra. Más en concreto, puede
producirse un imagen del campo visual que presente la muestra como
afectada por la totalidad de los tintes, la muestra como afectada
por uno o más de los tintes marcadores, o la muestra como afectada
por el colorante. Por consiguiente, puesto que los tintes utilizados
para preparar la muestra están caracterizados por el sistema, las
capacidades del sistema pueden extenderse, de forma que por ejemplo
pueda escanearse automáticamente la muestra o el campo visual, al
objeto de detectar una región específica de interés identificada
por las características de un tinte concreto (o por la ausencia de
tales características), o para contribuir a, o facilitar, una tarea
a llevar a cabo sobre tal región específica de interés.
De acuerdo con una realización de la presente
invención, el sistema puede configurarse para ser capaz de detectar
uno o más tintes concretos que han sido previamente caracterizados
por el sistema. En algunos casos, semejante tinte puede comprender
por ejemplo la tinta procedente de un bolígrafo concreto, o un
marcador de tinta similar que ha sido caracterizado por el sistema
como teniendo características exclusivas de color, siendo estas
características exclusivas de color retenidas por el sistema como
una LUT correspondiente para tal tinte. Se sigue que el sistema
puede ser configurado para reconocer, y responder a, partes del
campo visual en el que este tinte está identificado, y que en
algunos casos el marcador o los marcadores pueden comprenden una
parte tangible de un sistema semejante al descrito aquí. Por
ejemplo puede utilizarse uno de tales bolígrafos con el que un
operador, sea un patólogo o un citotecnólogo, identifica áreas
especiales de interés sobre un portaobjetos de plástico o de
vidrio, que contiene la muestra. Un área especial de interés puede
comprender, por ejemplo, un área de diagnóstico potencial o un área
de referencia. Después el operador, utilizando el bolígrafo, puede
rodear el área con una línea de tinta de ese bolígrafo. Después de
procesar una serie de portaobjetos, el operador puede suministrar
los portaobjetos, por ejemplo a un sistema de escaneado automático
de evaluación cuantitativa. Estando configurado para detectar la
tinta procedente del bolígrafo, el sistema puede entonces
identificar de forma inclusiva el área de interés, correspondiente
al área que está dentro de la línea de tinta, rodeada con el
bolígrafo por el operador. A continuación el sistema puede procesar
apropiadamente al área del portaobjetos donde, por ejemplo, un
color de tinta de bolígrafo puede indicar que ha de llevarse a cabo
una evaluación de diagnóstico concreta, mientras que otro color de
tinta puede indicar que el área contiene un material de calibración
o referencia, y solicitar al sistema la ejecución de un
correspondiente procedimiento de calibración. Nótese que además de
los portaobjetos, la técnica descrita puede adaptarse fácilmente
para el examen otras formas de montaje de material microscópico,
tales como por ejemplo placas de microtitulación, o biochips. Así,
una persona cualificada en el arte apreciará que las capacidades de
tales realizaciones del sistema, configuradas para reconocer las
tintas o los tintes concretos, pueden extenderse a muchos procesos
diferentes de escaneado automático, en los que la demarcación
interactiva de áreas de interés con bolígrafos específicos,
teniendo los bolígrafos diferentes tintas de color evaluadas
previamente por el sistema, puede utilizarse para designar y
activar automáticamente una subsiguiente evaluación u otro proceso
en tal área de interés, mediante un componente apropiado del
sistema o mediante otro dispositivo especificado.
\newpage
Adicionalmente, las imágenes artificiales del
campo visual pueden además facilitar la presentación de los datos
en una configuración que permite la identificación y selección de
objetos significativos o áreas de interés, como por ejemplo
imágenes fijas en un informe preparado para el diagnóstico, o con
otros propósitos informativos. Es más, la imagen artificial del
campo visual puede además utilizarse para facilitar la
identificación y extracción de características seleccionadas de la
muestra tratada. Por ejemplo puede utilizarse procesos puntuales
marcados, análisis contextual y/o geo-estadísticas,
para identificar y extraer características a partir de la imagen,
por ejemplo basándose en un análisis de distribución espacial, de un
tinte concreto. Además, tal capacidad de extracción de
características permitiría, por ejemplo, que los campos visuales de
interés sean clasificados, etiquetados o identificados de otro modo,
o agrupados basándose por ejemplo en el contenido global de un
tinte marcador dado, o de una proporción seleccionada del marcador
concreto. Por ejemplo cuando pueda determinarse un criterio umbral,
tal capacidad podría proporcionar la detección de eventos raros,
eventos empeorando, u otros eventos importantes. Siguiendo con el
proceso, los clasificadores basados específicamente en el
procesamiento de imagen resultante de las imágenes específicas del
tinte colorante y/o del marcador, pueden entonces ser definidos y
utilizados para evaluar la presencia de ciertos tipos de célula, o
para llevar a cabo diagnósticos basados en el campo visual. Además,
tales clasificadores pueden abarcar usualmente otras
características informativas, tales como por ejemplo detalles
basados en la morfología o en la textura de las células.
Es más, se consigue otro aspecto ventajoso de la
presente invención, mediante el cual el sistema es capaz de
procesar los datos de imagen a una velocidad superior a aquella a la
que se adquiere las imágenes. La velocidad mejorada a la que se
procesa los datos de imagen puede permitir, por ejemplo, que se
procese y clasifique características indicadas por un tinte
marcador concreto. Por consiguiente, puede identificarse diversas
condiciones basándose en criterios predeterminados. Así, puede
establecerse alarmas visuales y/o sonoras, y/o ser estas mapeadas
junto con el procesamiento de los datos de imagen. Así, en algunos
casos la atención del operador puede dirigirse a un campo visual
específico o a un objeto de interés, cuando una característica del
marcador alcanza un nivel predeterminado, por ejemplo en la
intensidad, o mediante su presencia en un campo concreto.
La figura 12 es una representación esquemática
de una realización práctica de una configuración de sistema
extendida, acorde con una realización de la presente invención. En
tal implementación, el sistema 100 o estación de trabajo, está
centrado en torno a un microscopio 150. El microscopio 150 puede
incluir uno o más componentes de robótica que incluyen, por
ejemplo, una plataforma motorizada, un mecanismo de enfoque
automático, un cambiado de objetivo motorizado y un ajuste
automatizado de la intensidad de la luz. El sistema 100 puede
incluir además varios dispositivos de entrada, tales como por
ejemplo cámaras 300a y 300b, que tienen enfoque rápido automático y
están configuradas para adquirir imágenes de baja resolución y de
alta resolución, un escáner lineal de base plana 310 utilizado para
adquirir imágenes de baja resolución, una estación de análisis
grueso 320, y un dispositivo de grabación de voz 330, todos los
cuales están conectados a un dispositivo informático 350 a través
de diversos enlaces 400 de transmisión de datos. La estación de
trabajo 100 puede ser parte de una red de área local (LAN) 700,
pero puede también estar configurada para soportar diferentes
protocolos de comunicaciones, de forma que los canales de
comunicación disponibles tales como por ejemplo una línea telefónica
estándar, una conexión ISDN o una línea T1, puedan conectar
fácilmente la estación de trabajo 100 a otros componentes o
dispositivos a gran distancia, a través de una red de área extendida
(WAN) 750, tal como apreciarán las personas cualificadas en el
arte.
Si la estación de trabajo de patología 100 está
configurada para funcionar en un entorno integrado, la conexión WAN
700 o LAN 750 puede permitir, por ejemplo, el acceso a bases de
datos de referencia 800 existentes, y a sistemas de información
hospitalarios (HIS, Hospital Information Systems) 850. Con tal
configuración puede compararse fácilmente nuevas muestras y/o
casos, con las imágenes e información anexa de casos de referencia
previamente acumulados. Además, si es necesario las imágenes
adquiridas de las muestras y/o los portaobjetos que están siendo
examinados en la estación de trabajo 100, pueden complementarse con
la historia del paciente y del caso.
En la realización de configuración extendida
mostrada en la figura 12, la estación de trabajo de patología 100
está configurada especialmente para una evaluación exhaustiva de la
muestra. Por ejemplo, con la información en imágenes digitales de
la muestra gruesa biológica inicial, puede prepararse y procesarse
imágenes de los portaobjetos preparados a partir de la muestra, tal
como se describe aquí. La información del paciente y del caso, las
imágenes, y la información cuantitativa resultante relativa a los
componentes celulares de la muestra y a la arquitectura de la
muestra (por ejemplo en el caso de muestras de tejido), también
pueden ser recogidas, integradas y si es necesario almacenadas en
una sola base de datos. Por ejemplo, si se necesita una primera o
una segunda opinión expertas, o si el portaobjetos se utiliza para
formación o para verificar el nivel de competencia, las capacidades
de comunicación de la configuración extendida junto con las
características de automatización del microscopio 150, pueden
permitir que la estación de trabajo 100 sea utilizada como un
sistema de tele-patología. Por ejemplo, las
imágenes de alta resolución dirigidas a características, o a objetos
de interés que caracterizan una situación discutible en un
portaobjetos concreto, pueden transferirse electrónicamente al
experto y/o al candidato auditado. En algunos casos, puede
proporcionarse una imagen general del portaobjetos, en la que se
utiliza un microscopio automatizado 150 para escanear
automáticamente el portaobjetos, por ejemplo en una base campo por
campo. Después, las correspondientes imágenes digitales pueden ser
almacenadas en la memoria del dispositivo informático 350. Cuando
se utiliza una base campo por campo, los bordes de los campos
adyacentes pueden ser acoplados con precisión utilizando algoritmos
de correlación, para proporcionar una sola imagen general grande,
de todo el portaobjetos. Tal imagen general puede ayudar al patrón
de referencia en la formación de una valoración de la información.
En algunos casos el patólogo de referencia puede controlar de modo
remoto la estación de trabajo 100, desde un punto remoto, para
adquirir imágenes necesarias y/o complementarias que pueda
requerirse al objeto de proporcionar una valoración correcta y
precisa del portaobjetos.
A continuación, la información acumulada por la
estación de trabajo 100 para un caso estudiado, tal como por
ejemplo imágenes reales o generadas matemáticamente, resultados de
medidas y representaciones gráficas de estos, datos de pacientes,
datos de preparación, y mapas de detección de enfermedades pueden
integrarse selectivamente en el informe, que puede imprimirse o
bien accederse electrónicamente. Semejante informe proporcionaría
una imagen completa del caso sometido a evaluación, y también
facilitaría las cuestiones de aseguramiento de la calidad y
estandarización.
Se comprenderá que la metodología y los
procedimientos aquí detallados juntamente con el sistema 100,
especifican un método de cuantificación de una cantidad de especies
moleculares, a partir de una imagen de una muestra capturada por
una cámara RGB en un sistema de vídeo-microscopía.
Una persona cualificada en el arte apreciará además que tal método
puede automatizarse para proporcionar un producto de programa de
software informático, ejecutable en un dispositivo informático, que
tiene partes ejecutables capaces de cuantificar la cantidad de una
especie molecular a partir de una imagen digital de una muestra
capturada por un dispositivo de adquisición de imágenes en color,
tal como una cámara RGB en un sistema de
vídeo-microscopía. Por consiguiente, las
realizaciones del sistema 100 describen la implementación del
método y/o el correspondiente producto de programa de software
informático, que pueden realizarse en equipamiento físico
configurado apropiadamente, en software, o una combinación de
equipamiento físico y software acorde con el alcance de la presente
invención.
Así, las realizaciones de la presente invención
comprenden una técnica de análisis colorimétrico para muestras
preparadas, que proporciona la detección y cuantificación eficaces
de especies de interés, la cual supera los factores limitativos de
las técnicas del arte previo, tales como por ejemplo el solapamiento
espectral, la mezcla de colores debida el solapamiento espacial de
los marcadores de membrana y nucleares, la resolución espectral
limitada del dispositivo de adquisición, y las inconsistencias entre
operadores humanos del equipamiento de análisis. Las realizaciones
de la presente invención proporcionan además una técnica de
procesamiento de imagen que no depende de la detección subjetiva de
contraste dentro de la muestra preparada, ni de un análisis
complejo y voluminoso de la muestra a longitudes de onda de luz
específicas utilizando una combinación de fuentes de luz y filtros.
Por lo tanto, las realizaciones de la presente invención
proporcionan una técnica de análisis colorimétrico más simple y más
eficaz, que supera las limitaciones de detección y cuantificación
en las técnicas de análisis del arte previo, reduce la subjetividad
y la inconsistencia en el análisis de la muestra, y es capaz de
proporcionar la información de análisis necesaria sobre la muestra,
una vez que se ha capturado la imagen de la muestra, sin depender
del posterior examen de la muestra para completar el análisis.
Más en concreto y tal como se ha demostrado, el
análisis (detección y cuantificación de una especie molecular de
interés) de la muestra preparada, se consigue a través de la medida
de intensidades de luz que se manifiestan en una imagen digital de
la muestra, capturada por un dispositivo de adquisición de imágenes
en color. Puesto que el análisis es relativamente dependiente de la
imagen, en lugar de ser dependiente de la muestra, puede capturarse
imágenes redundantes para el análisis, mientras que puede procesarse
muchas muestras al objeto de capturar las imágenes necesarias
dentro de un período de tiempo relativamente corto. Una vez que los
datos de imagen han sido capturados y almacenados, el análisis real
puede producirse en tiempo real o cuando se necesite, sin requerir
la presencia física de la muestra real. Tal análisis puede además
ser aplicado a examinar toda la muestra o incluso todo el
portaobjetos. Así, las realizaciones de la presente invención
proporcionan un sistema rápido de vídeo-microscopía
cuantitativa, que permite el uso de tal sistema como una herramienta
rutinaria o "de producción", capaz de conseguir un rendimiento
total del análisis relativamente alto. Así, mediante realizaciones
de la presente invención se obtiene ventajas significativas en
comparación con los sistemas de microscopía cuantitativa del arte
previo, que típicamente estaban limitados en el análisis y el
rendimiento total de la muestra, haciendo así en general tales
sistemas más útiles como herramientas de investigación.
A una persona cualificada en el arte se ocurrirá
muchas modificaciones, y otras realizaciones de la invención, a las
cuales esta invención reclama en posesión de los beneficios de las
enseñanzas presentadas en las descripciones precedentes y los
dibujos asociados. Por lo tanto, debe entenderse que la invención no
está limitada a las realizaciones específicas reveladas en tales
modificaciones, y se prevé que hay otras realizaciones incluidas
dentro del alcance de las reivindicaciones. Aunque aquí se utiliza
términos específicos, son utilizados solo en un sentido genérico y
descriptivo, y no con un propósito limitativo.
\vskip1.000000\baselineskip
La lista de referencias citadas por el
solicitante es solo para comodidad del lector. No forma parte del
documento de Patente Europea. Incluso aunque se ha tomado especial
cuidado en recopilar las referencias, no puede descartarse errores u
omisiones y la EPO rechaza toda responsabilidad a este
respecto.
\bullet EP 1065496 A2 [0014]
\bullet US 6007996 A, McNamara [0016]
\bullet WO 9855026 A, Youvan [0017]
\bullet US 6330349 B, Hays [0018]
\bullet US 6276798 B, Gil [0018]
\bullet US 6025137 A [0027]
\bulletDUNCAN et al. J. Clin.
Oncol., 2001, vol. 19(2), 568-576
[0025]
\bulletDEEDS et al. Hum.
Pathol., 2000, vol. 31(11),
1346-1356 [0026]
Claims (23)
-
\global\parskip0.950000\baselineskip
1. Un método de modelado de un tinte, el mencionado método comprendiendo:- determinar una transmitancia de la muestra tratada con el tinte, a partir de una imagen en color de la muestra tratada, la imagen comprendiendo una pluralidad de píxeles, en cada uno de los canales rojo, verde y azul de un espacio de color RGB, y para cada píxel de la imagen, al objeto de formar un triplete RGB para cada píxel; caracterizado por
- agrupar los tripletes RGB de acuerdo con la transmitancia mínima en los canales rojo, verde y azul, para el respectivo triplete RGB;
- normalizar cada grupo de tripletes RGB mediante sumar las transmitancias en cada uno de los respectivos canales rojo, verde y azul, y después dividir cada una de las transmitancias sumadas por el número de tripletes RGB en el respectivo grupo, para formar respectivos tripletes RGB normalizados; y
- tabular los tripletes RGB normalizados de acuerdo con la transmitancia mínima de cada triplete RGB normalizado, al objeto de formar una tabla de correspondencia para el tinte, la tabla de correspondencia extendiéndose a incrementos de transmitancia entre el 0% y 100% de transmitancia.
- 2. Un método acorde con la reivindicación 1, que comprende además capturar una imagen de la muestra tratada, en un sistema de vídeo-microscopía con un dispositivo de adquisición de imagen en color, para formar la imagen en color de la muestra tratada, el dispositivo de adquisición de imagen en color comprendiendo al menos uno entre una cámara RGB y un escáner en configuración RGB.
- 3. Un método acorde con la reivindicación 2, en el que capturar una imagen de la muestra tratada comprende además al menos uno entre iluminar la muestra bajo condiciones de iluminación Koehler, capturar una imagen de la muestra en un sistema de vídeo-microscopía de aberración cromática corregida, e iluminar la muestra con una fuente de luz y determinar una intensidad transmitida, de la luz transmitida a su través en cada uno de los canales rojo, verde y azul.
- 4. Un método acorde con la reivindicación 1, la 2 o la 3 que comprende además, cuando se tiene un incremento de transmitancia en la tabla de correspondencia sin un triplete RGB normalizado:
- determinar un incremento de transmitancia de referencia con un triplete RGB normalizado, tanto en un incremento de transmitancia superior como en un incremento de transmitancia inferior en la tabla de correspondencia, con respecto al incremento de transmitancia sin el triplete RGB normalizado; e
- interpolar entre las respectivas transmitancias en cada uno de los canales rojo, verde y azul de los incrementos de transmitancia de referencia, para formar una transmitancia aproximada en cada uno de los canales rojo, verde y azul, la transmitancia aproximada en cada uno de los canales rojo, verde y azul correspondiendo a un triplete RGB normalizado, aproximado, para el incremento de transmitancia sin el triplete RGB normalizado.
- 5. Un método acorde con cualquier reivindicación precedente, que comprende además establecer un umbral de relevancia para el número de tripletes RGB en un grupo y, para cada grupo que no satisface el umbral de relevancia, descartar los tripletes RGB de este como no significativos.
- 6. Un método acorde con cualquier reivindicación precedente, que comprende además representar los tripletes RGB para los píxeles de la imagen en un espacio de color RGB, con el objeto de obtener una representación RGB tridimensional del respectivo tinte, previa a la normalización de cada grupo de tripletes RGB.
- 7. Un método acorde con cualquier reivindicación precedente, que comprende además representar los tripletes RGB normalizados en un espacio de color RGB, para obtener un camino RGB característico del respectivo tinte a través del espacio de color RGB.
- 8. Un método acorde con cualquier reivindicación precedente, que comprende además representar los tripletes RGB normalizados en una escala de una dimensión, para representar gráficamente la tabla de correspondencia.
- 9. Un método de modelado de una combinación de una pluralidad de tintes, el mencionado método comprendiendo:
- formar una tabla de correspondencia para cada uno de la pluralidad de tintes, de acuerdo con un método como el reivindicado en cualquiera de las reivindicaciones 1 hasta 8; y
- sumar ortogonalmente las tablas de correspondencia de la pluralidad de tintes, para formar una representación de la pluralidad de tintes en el espacio de tintes, la representación en el espacio de tintes teniendo una dimensión para cada tinte y proporcionando un modelo de referencia para una combinación de la pluralidad de tintes.
\global\parskip1.000000\baselineskip
- 10. Un método acorde con la reivindicación 9, en el que sumar ortogonalmente las tablas de correspondencia de la pluralidad de tintes, comprende además sumar ortogonalmente las tablas de correspondencia de la pluralidad de tintes de acuerdo con la ley de Lambert-Beer.
- 11. Un método acorde con la reivindicación 9 o la 10, que comprende además trazar la representación de la pluralidad de tintes en el espacio de tintes, en una escala que tiene un número de dimensiones correspondiente al número de tintes.
- 12. Un método acorde con la reivindicación 9, la 10 o la 11, en el que sumar ortogonalmente las tablas de correspondencia de la pluralidad de tintes, comprende además sumar ortogonalmente las tablas de correspondencia de la pluralidad de tintes al objeto de formar una tabla de correspondencia resultante para la pluralidad combinada de tintes, la tabla de correspondencia resultante comprendiendo una pluralidad de tripletes RGB resultantes que se extienden entre el 0% y el 100% de transmitancia.
- 13. Un método de determinación de una cantidad de, al menos, una especie molecular que comprende una muestra, cada especie molecular estando indicada por un tinte, a partir de una imagen de la muestra capturada por un dispositivo de adquisición de imágenes, la imagen comprendiendo una pluralidad de píxeles, el mencionado método comprendiendo:
- formar una representación en el espacio de tintes, de una pluralidad de tintes de acuerdo con un método como el reivindicado en cualquiera de las reivindicaciones 9 a 12, cada tinte teniendo una correspondiente tabla de correspondencia que comprende una pluralidad de tripletes RGB normalizados, la representación en el espacio de tintes teniendo una dimensión para cada tinte y proporcionando un modelo de referencia para una combinación de la pluralidad de tintes;
- comparar cada píxel de la imagen de la muestra, estando la muestra tratada por la combinación de la pluralidad de tintes, con el modelo de referencia para la combinación de la pluralidad de tintes, teniendo cada píxel un color definido por un triplete RGB, al objeto de determinar una combinación óptima de tripletes RGB normalizados a partir de las respectivas tablas de correspondencia de los tintes que producen el color del respectivo píxel, los tripletes RGB normalizados de la combinación óptima siendo identificables de acuerdo con el respectivo tinte; y
- formar una imagen artificial de la muestra, la imagen artificial correspondiendo a la imagen de la muestra, a partir de los tripletes RGB normalizados para cada tinte determinado a partir de la combinación óptima, la imagen artificial indicando de ese modo una distribución del respectivo tinte sobre la imagen de la muestra, y facilitando la determinación de la cantidad de correspondientes especies moleculares.
- 14. Un método acorde con la reivindicación 13, que comprende además determinar un error entre cada píxel de la imagen de la muestra y el modelo de referencia para la combinación de la pluralidad de tintes, el error correspondiendo a la mínima distancia euclídea entre el respectivo píxel y el modelo de referencia.
- 15. Un método acorde con la reivindicación 14, que comprende además representar los errores para los respectivos píxeles sobre la imagen, al objeto de identificar cualesquiera desviaciones respecto del modelo de referencia.
- 16. Un método acorde con la reivindicación 14 o la 15, que comprende además identificar un objeto dentro de la imagen definida por los correspondientes píxeles e integrar los errores para los píxeles que comprenden el objeto, para proporcionar una indicación de si el objeto está tratado con la combinación de la pluralidad de tintes.
- 17. Un método acorde con cualquiera de las reivindicaciones 13 a 16, en el que comparar cada píxel de la imagen con el modelo de referencia, comprende además ignorar cualquier triplete RGB normalizado dentro de la tabla de correspondencia para el mencionado tinte, que tenga una transmitancia en cualquiera de los canales rojo, verde y azul que sea menor que la transmitancia del correspondiente canal del triplete RGB empírico, para el píxel.
- 18. Un programa informático que comprende medios de codificación del programa, para llevar a cabo la totalidad de las etapas de cualquiera de las reivindicaciones 1 a 17 cuando el mencionado programa está ejecutándose en un ordenador.
- 19. Un sistema para modelar un tinte indicativo de una especie molecular en una muestra, a partir de una imagen de la muestra tratada con el tinte, el mencionado sistema comprendiendo:
- un dispositivo informático que tiene cargado un programa informático como el reivindicado en la reivindicación 18, y que tiene al menos una parte de procesamiento configurada para procesar el mencionado programa informático.
- 20. Un sistema acorde con la reivindicación 19, que comprende además un dispositivo de adquisición de imágenes en color, acoplado operativamente con el dispositivo informático y configurado para ser capaz de capturar una imagen digital de la muestra ampliada, el dispositivo de adquisición de imágenes comprendiendo al menos uno entre un escáner en configuración RGB y un microscopio acoplado operativamente con una cámara de RGB.
- 21. Un sistema acorde con la reivindicación 20, en el que el dispositivo de adquisición de imagen y el dispositivo informático están además configurados para cooperar, al objeto de formar un sistema de vídeo-microscopía de aberración cromática corregida.
- 22. Un sistema acorde con la reivindicación 20 o la 21, que comprende además una fuente de luz configurada para iluminar la muestra bajo condiciones de iluminación Koehler.
- 23. Un medio de almacenamiento legible por ordenador, que comprende el programa informático de la reivindicación 18.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US57729 | 2002-01-24 | ||
US10/057,729 US7133547B2 (en) | 2002-01-24 | 2002-01-24 | Method for quantitative video-microscopy and associated system and computer software program product |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2292973T3 true ES2292973T3 (es) | 2008-03-16 |
Family
ID=22012396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES03732046T Expired - Lifetime ES2292973T3 (es) | 2002-01-24 | 2003-01-22 | Metodo para video-microscopia y sistema asociado, y producto de programa de soporte logico informatico. |
Country Status (9)
Country | Link |
---|---|
US (3) | US7133547B2 (es) |
EP (1) | EP1470411B1 (es) |
JP (1) | JP4376058B2 (es) |
AT (1) | ATE372512T1 (es) |
AU (1) | AU2003236675B2 (es) |
CA (1) | CA2473848C (es) |
DE (1) | DE60316113T2 (es) |
ES (1) | ES2292973T3 (es) |
WO (1) | WO2003062803A2 (es) |
Families Citing this family (107)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5161052B2 (ja) * | 2008-12-04 | 2013-03-13 | オリンパス株式会社 | 顕微鏡システム、標本観察方法およびプログラム |
US7226478B2 (en) | 2001-01-25 | 2007-06-05 | Visiogen, Inc. | Optic configuration for intraocular lens system |
US20030078658A1 (en) * | 2001-01-25 | 2003-04-24 | Gholam-Reza Zadno-Azizi | Single-piece accomodating intraocular lens system |
US7133547B2 (en) * | 2002-01-24 | 2006-11-07 | Tripath Imaging, Inc. | Method for quantitative video-microscopy and associated system and computer software program product |
AU2003270654A1 (en) * | 2002-09-12 | 2004-04-30 | Baylor College Of Medecine | System and method for image segmentation |
US7200252B2 (en) | 2002-10-28 | 2007-04-03 | Ventana Medical Systems, Inc. | Color space transformations for use in identifying objects of interest in biological specimens |
AU2006201607B2 (en) * | 2002-10-28 | 2008-10-30 | Ventana Medical Systems, Inc. | Color space transformations for use in identifying objects of interest in biological specimens |
US8712118B2 (en) * | 2003-04-10 | 2014-04-29 | Carl Zeiss Microimaging Gmbh | Automated measurement of concentration and/or amount in a biological sample |
US8634607B2 (en) * | 2003-09-23 | 2014-01-21 | Cambridge Research & Instrumentation, Inc. | Spectral imaging of biological samples |
US7321791B2 (en) | 2003-09-23 | 2008-01-22 | Cambridge Research And Instrumentation, Inc. | Spectral imaging of deep tissue |
WO2005033333A2 (en) * | 2003-10-07 | 2005-04-14 | Dako Denmark A/S | Methods and compositions for the diagnosis of cancer |
US8442280B2 (en) * | 2004-01-21 | 2013-05-14 | Edda Technology, Inc. | Method and system for intelligent qualitative and quantitative analysis of digital radiography softcopy reading |
JP2005331394A (ja) * | 2004-05-20 | 2005-12-02 | Olympus Corp | 画像処理装置 |
US7653260B2 (en) | 2004-06-17 | 2010-01-26 | Carl Zeis MicroImaging GmbH | System and method of registering field of view |
US8582924B2 (en) * | 2004-06-30 | 2013-11-12 | Carl Zeiss Microimaging Gmbh | Data structure of an image storage and retrieval system |
US20060133657A1 (en) * | 2004-08-18 | 2006-06-22 | Tripath Imaging, Inc. | Microscopy system having automatic and interactive modes for forming a magnified mosaic image and associated method |
CA2580937C (en) * | 2004-09-22 | 2016-02-02 | Tripath Imaging, Inc. | Methods and computer program products for analysis and optimization of marker candidates for cancer prognosis |
US8377123B2 (en) | 2004-11-10 | 2013-02-19 | Visiogen, Inc. | Method of implanting an intraocular lens |
JP4496943B2 (ja) * | 2004-11-30 | 2010-07-07 | 日本電気株式会社 | 病理診断支援装置、病理診断支援プログラム、病理診断支援装置の作動方法、及び病理診断支援システム |
CN101151623B (zh) * | 2005-01-27 | 2010-06-23 | 剑桥研究和仪器设备股份有限公司 | 对样本图像的特征进行分类的方法和设备 |
GB0503629D0 (en) * | 2005-02-22 | 2005-03-30 | Durand Technology Ltd | Method and apparatus for automated analysis of biological specimen |
JP5822425B2 (ja) * | 2005-05-13 | 2015-11-24 | トリパス イメージング インコーポレイテッド | 顕微鏡像用に試料を染色する方法 |
MX2007016046A (es) * | 2005-06-13 | 2008-03-10 | Tripath Imaging Inc | Sistema y metodo para re-ubicar un objeto en una muestra en un portaobjetos con un dispositivo de imagen de microscopio. |
US7417213B2 (en) * | 2005-06-22 | 2008-08-26 | Tripath Imaging, Inc. | Apparatus and method for rapid microscopic image focusing having a movable objective |
US20070091109A1 (en) * | 2005-09-13 | 2007-04-26 | Roscoe Atkinson | Image quality |
EP2261635B1 (en) * | 2005-09-21 | 2017-05-03 | Luminex Corporation | Methods and systems for image data processing |
JP4915071B2 (ja) * | 2005-09-22 | 2012-04-11 | 株式会社ニコン | 顕微鏡、およびバーチャルスライド作成システム |
US20070071309A1 (en) * | 2005-09-23 | 2007-03-29 | Shi-Chiung Chen | Method for measuring micro meshes |
US8295562B2 (en) * | 2006-01-13 | 2012-10-23 | Carl Zeiss Microimaging Ais, Inc. | Medical image modification to simulate characteristics |
US20080031516A1 (en) * | 2006-08-04 | 2008-02-07 | Micron Technology, Inc. | Method, apparatus and system providing hue calculation |
US8126205B2 (en) | 2006-09-25 | 2012-02-28 | Cambridge Research & Instrumentation, Inc. | Sample imaging and classification |
SG10201606120XA (en) | 2007-10-02 | 2016-09-29 | Theranos Inc | Modular Point-Of-Care Devices And Uses Thereof |
US8330087B2 (en) * | 2007-10-16 | 2012-12-11 | Cambridge Research & Instrumentation, Inc. | Spectral imaging system with dynamic optical correction |
US8199999B2 (en) | 2008-06-17 | 2012-06-12 | Cambridge Research & Instrumentation, Inc. | Image classifier training |
WO2009155416A1 (en) * | 2008-06-18 | 2009-12-23 | Eyelab Group, Llc | System and method for determining volume-related parameters of ocular and other biological tissues |
US8644580B2 (en) * | 2008-08-07 | 2014-02-04 | Cambridge Research & Instrumentation, Inc. | Detection of RNA in tissue samples |
US8280134B2 (en) * | 2008-09-22 | 2012-10-02 | Cambridge Research & Instrumentation, Inc. | Multi-spectral imaging including at least one common stain |
US9041792B2 (en) * | 2008-11-27 | 2015-05-26 | Koninklijke Philips N.V. | Generation of a multicolour image of an unstained biological specimen |
DE102008060379A1 (de) * | 2008-12-03 | 2010-06-10 | Krones Ag | Befüllvorrichtung |
JP2010169467A (ja) * | 2009-01-21 | 2010-08-05 | Olympus Corp | 画像処理装置、データセット生成装置、画像処理プログラムおよびデータセット生成プログラム |
JP5478084B2 (ja) * | 2009-01-23 | 2014-04-23 | オリンパス株式会社 | 画像処理システム、画像処理装置および画像処理端末 |
US20100289874A1 (en) * | 2009-05-15 | 2010-11-18 | Fuhua Cheng | Square tube mirror-based imaging system |
JP2011002341A (ja) * | 2009-06-18 | 2011-01-06 | Olympus Corp | 顕微鏡システム、標本観察方法およびプログラム |
JP2011022131A (ja) * | 2009-06-18 | 2011-02-03 | Olympus Corp | 医療診断支援装置、画像処理方法、画像処理プログラム、およびバーチャル顕微鏡システム |
US9002077B2 (en) * | 2009-08-10 | 2015-04-07 | Cambridge Research & Instrumentation, Inc. | Visualization of stained samples |
US20110204258A1 (en) * | 2009-12-11 | 2011-08-25 | Heller Daniel A | Spectral imaging of photoluminescent materials |
JP5490568B2 (ja) * | 2010-02-26 | 2014-05-14 | オリンパス株式会社 | 顕微鏡システム、標本観察方法およびプログラム |
WO2011124431A1 (de) * | 2010-04-07 | 2011-10-13 | Stefan Weinschenk | Laborbefunderstellungssystem für einen mikroskopie-arbeitsplatz, insbesondere für einen einsatz auf dem gebiet der zytologie |
US8462981B2 (en) | 2010-04-07 | 2013-06-11 | Cambridge Research & Instrumentation, Inc. | Spectral unmixing for visualization of samples |
EP2601513B1 (en) | 2010-08-05 | 2014-05-14 | Cambridge Research & Instrumentation, Inc. | Enhancing visual assessment of samples |
US8538120B2 (en) * | 2010-08-19 | 2013-09-17 | Aptina Imaging Corporation | System for targeting cells or other materials |
US8996570B2 (en) | 2010-09-16 | 2015-03-31 | Omnyx, LLC | Histology workflow management system |
DE102010041794A1 (de) * | 2010-09-30 | 2012-04-05 | Carl Zeiss Microlmaging Gmbh | Mikroskopsystem, Mikroskopieverfahren und Computerprogrammprodukt |
JP5631682B2 (ja) * | 2010-09-30 | 2014-11-26 | オリンパス株式会社 | 顕微鏡システムおよび配信システム |
JP5653733B2 (ja) | 2010-11-29 | 2015-01-14 | オリンパス株式会社 | 画像処理装置、画像処理方法、画像処理プログラムおよびバーチャル顕微鏡システム |
US9522396B2 (en) | 2010-12-29 | 2016-12-20 | S.D. Sight Diagnostics Ltd. | Apparatus and method for automatic detection of pathogens |
SG192069A1 (en) * | 2011-01-21 | 2013-08-30 | Theranos Inc | Systems and methods for sample use maximization |
JP5766958B2 (ja) * | 2011-01-21 | 2015-08-19 | オリンパス株式会社 | 顕微鏡システム、情報処理装置、及び情報処理プログラム |
WO2012107497A1 (en) * | 2011-02-08 | 2012-08-16 | Quentiq AG | System, method and apparatus for the remote analysis of chemical compound microarrays |
ES2743925T3 (es) | 2011-04-12 | 2020-02-21 | Tripath Imaging Inc | Método para la optimización de la videomicroscopía cuantitativa y sistema asociado |
WO2012142111A1 (en) | 2011-04-12 | 2012-10-18 | Tripath Imaging, Inc. | Method for preparing quantitative video-microscopy and associated system |
US9469871B2 (en) | 2011-04-14 | 2016-10-18 | Corporos Inc. | Methods and apparatus for point-of-care nucleic acid amplification and detection |
US8704895B2 (en) * | 2011-08-29 | 2014-04-22 | Qualcomm Incorporated | Fast calibration of displays using spectral-based colorimetrically calibrated multicolor camera |
US9268915B2 (en) | 2011-09-25 | 2016-02-23 | Theranos, Inc. | Systems and methods for diagnosis or treatment |
US9632102B2 (en) | 2011-09-25 | 2017-04-25 | Theranos, Inc. | Systems and methods for multi-purpose analysis |
US9664702B2 (en) | 2011-09-25 | 2017-05-30 | Theranos, Inc. | Fluid handling apparatus and configurations |
US9619627B2 (en) | 2011-09-25 | 2017-04-11 | Theranos, Inc. | Systems and methods for collecting and transmitting assay results |
US8840838B2 (en) | 2011-09-25 | 2014-09-23 | Theranos, Inc. | Centrifuge configurations |
US8475739B2 (en) | 2011-09-25 | 2013-07-02 | Theranos, Inc. | Systems and methods for fluid handling |
US20140170735A1 (en) | 2011-09-25 | 2014-06-19 | Elizabeth A. Holmes | Systems and methods for multi-analysis |
US8977017B2 (en) * | 2011-09-15 | 2015-03-10 | The General Hospital Corporation | System and method for support of medical diagnosis |
US9810704B2 (en) | 2013-02-18 | 2017-11-07 | Theranos, Inc. | Systems and methods for multi-analysis |
US9250229B2 (en) | 2011-09-25 | 2016-02-02 | Theranos, Inc. | Systems and methods for multi-analysis |
US10012664B2 (en) | 2011-09-25 | 2018-07-03 | Theranos Ip Company, Llc | Systems and methods for fluid and component handling |
BR112014009408B1 (pt) | 2011-10-18 | 2021-03-09 | Luminex Corporation | método implementado por computador, meio de armazenamento e sistema configurado para adquirir e processar dados de imagem |
WO2013098821A1 (en) | 2011-12-29 | 2013-07-04 | Parasight Ltd. | Methods and systems for detecting a pathogen in a biological sample |
US9354159B2 (en) | 2012-05-02 | 2016-05-31 | Nanoscopia (Cayman), Inc. | Opto-fluidic system with coated fluid channels |
US11008628B1 (en) | 2013-02-18 | 2021-05-18 | Labrador Diagnostics Llc | Systems and methods for analyte testing and laboratory oversight |
US10401373B1 (en) | 2013-02-18 | 2019-09-03 | Theranos Ip Company, Llc | Systems and methods for analyte testing and laboratory oversight |
WO2014188405A1 (en) | 2013-05-23 | 2014-11-27 | Parasight Ltd. | Method and system for imaging a cell sample |
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 |
US10422806B1 (en) | 2013-07-25 | 2019-09-24 | Theranos Ip Company, Llc | Methods for improving assays of biological samples |
WO2015029032A1 (en) | 2013-08-26 | 2015-03-05 | Parasight Ltd. | Digital microscopy systems, methods and computer program products |
AU2014375318A1 (en) * | 2013-12-31 | 2016-06-02 | Ventana Medical Systems, Inc. | Systems and methods for spectral unmixing of microscopic images using pixel grouping |
EP3100025B1 (en) | 2014-01-30 | 2021-03-03 | BD Kiestra B.V. | System and method for imaging biological samples disposed in culture media |
US11360107B1 (en) | 2014-02-25 | 2022-06-14 | Labrador Diagnostics Llc | Systems and methods for sample handling |
WO2016030897A1 (en) | 2014-08-27 | 2016-03-03 | S.D. Sight Diagnostics Ltd | System and method for calculating focus variation for a digital microscope |
JP2016052116A (ja) * | 2014-08-28 | 2016-04-11 | パナソニックIpマネジメント株式会社 | 画像処理装置、画像処理方法およびコンピュータプログラム |
RU2613903C2 (ru) | 2015-06-11 | 2017-03-21 | Шлюмберже Текнолоджи Б.В. | Способ количественного анализа распределения твердых частиц загрязнителя, проникших в пористую среду при фильтрации |
AU2016322966B2 (en) | 2015-09-17 | 2021-10-14 | S.D. Sight Diagnostics Ltd | Methods and apparatus for detecting an entity in a bodily sample |
CN106769891B (zh) * | 2015-11-19 | 2019-09-27 | 光宝电子(广州)有限公司 | 生化检测装置及方法 |
US10311569B1 (en) | 2015-12-31 | 2019-06-04 | Cerner Innovation, Inc. | Identifying liquid blood components from sensed data to monitor specimen integrity |
US10527635B1 (en) | 2015-12-31 | 2020-01-07 | Cerner Innovation, Inc. | Specimen integrity monitoring device for automated blood sample processing systems |
US10209267B1 (en) | 2015-12-31 | 2019-02-19 | Cerner Innovation, Inc. | Sample extraction and rotation device for automated blood sample processing systems |
US10267813B1 (en) | 2015-12-31 | 2019-04-23 | Cerner Innovation, Inc. | Monitoring specimen integrity in automated blood sample processing system |
WO2017168411A1 (en) | 2016-03-30 | 2017-10-05 | S.D. Sight Diagnostics Ltd | Image processing device for identifying blood parasites |
US11307196B2 (en) | 2016-05-11 | 2022-04-19 | S.D. Sight Diagnostics Ltd. | Sample carrier for optical measurements |
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 |
US10580130B2 (en) * | 2017-03-24 | 2020-03-03 | Curadel, LLC | Tissue identification by an imaging system using color information |
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 |
CN108181307B (zh) * | 2017-12-06 | 2020-12-01 | 中国气象局北京城市气象研究所 | 一种能见度测量***和方法 |
US20190197585A1 (en) * | 2017-12-26 | 2019-06-27 | Paypal, Inc. | Systems and methods for data storage and retrieval with access control |
US11422094B2 (en) * | 2018-01-11 | 2022-08-23 | Universiteit Hasselt | Analysis of data obtained by fluorescence fluctuation microscopy from a plurality of dyes |
JP7259844B2 (ja) * | 2018-03-30 | 2023-04-18 | コニカミノルタ株式会社 | 画像処理方法、画像処理装置及びプログラム |
JP7438403B2 (ja) | 2020-04-30 | 2024-02-26 | シーメンス・ヘルスケア・ダイアグノスティックス・インコーポレイテッド | 装置、装置を較正する方法、および装置を較正するためのデバイス |
WO2022093906A1 (en) * | 2020-10-29 | 2022-05-05 | Paige Ai, Inc. | Systems and methods for processing images to determine image-based computational biomarkers from liquid specimens |
CN116046647B (zh) * | 2023-01-28 | 2023-06-09 | 深圳安侣医学科技有限公司 | 血液成像分析***和方法 |
Family Cites Families (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4191940A (en) * | 1978-01-09 | 1980-03-04 | Environmental Research Institute Of Michigan | Method and apparatus for analyzing microscopic specimens and the like |
DK282085D0 (da) * | 1985-06-21 | 1985-06-21 | Radiometer As | Fremgangsmaade og apparat til bestemmelse af blodkomponenter |
US4998284A (en) * | 1987-11-17 | 1991-03-05 | Cell Analysis Systems, Inc. | Dual color camera microscope and methodology for cell staining and analysis |
US4741043B1 (en) * | 1985-11-04 | 1994-08-09 | Cell Analysis Systems Inc | Method of and apparatus for image analyses of biological specimens |
US5008185A (en) * | 1985-11-04 | 1991-04-16 | Cell Analysis Systems, Inc. | Methods and apparatus for the quantitation of nuclear proteins |
US5134662A (en) * | 1985-11-04 | 1992-07-28 | Cell Analysis Systems, Inc. | Dual color camera microscope and methodology for cell staining and analysis |
US5109429A (en) * | 1985-11-04 | 1992-04-28 | Cell Analysis Systems,Inc. | Apparatus and method for analyses of biological specimens |
US5025061A (en) * | 1986-12-22 | 1991-06-18 | Nippon Oil And Fats Co., Ltd. | Aqueous dispersion coating material |
US5121436A (en) * | 1987-08-14 | 1992-06-09 | International Remote Imaging Systems, Inc. | Method and apparatus for generating a plurality of parameters of an object in a field of view |
US5202931A (en) * | 1987-10-06 | 1993-04-13 | Cell Analysis Systems, Inc. | Methods and apparatus for the quantitation of nuclear protein |
US5016173A (en) * | 1989-04-13 | 1991-05-14 | Vanguard Imaging Ltd. | Apparatus and method for monitoring visually accessible surfaces of the body |
US5784162A (en) * | 1993-08-18 | 1998-07-21 | Applied Spectral Imaging Ltd. | Spectral bio-imaging methods for biological research, medical diagnostics and therapy |
US5936731A (en) * | 1991-02-22 | 1999-08-10 | Applied Spectral Imaging Ltd. | Method for simultaneous detection of multiple fluorophores for in situ hybridization and chromosome painting |
US5254978A (en) * | 1991-03-29 | 1993-10-19 | Xerox Corporation | Reference color selection system |
US5311212A (en) * | 1991-03-29 | 1994-05-10 | Xerox Corporation | Functional color selection system |
US5410030A (en) * | 1993-04-05 | 1995-04-25 | Molecular Probes, Inc. | Dimers of unsymmetrical cyanine dyes containing pyridinium moieties |
US5734498A (en) * | 1994-05-09 | 1998-03-31 | The Regents Of The University Of California | Illuminator elements for conventional light microscopes |
US5625705A (en) * | 1994-06-03 | 1997-04-29 | Neuromedical Systems, Inc. | Intensity texture based classification system and method |
US5625150A (en) * | 1994-08-18 | 1997-04-29 | General Electric Company | Integrated acoustic leak detection sensor subsystem |
US5633161A (en) * | 1995-03-29 | 1997-05-27 | Millennium Pharmaceuticals, Inc. | Murine gene fomy030 coding for tumor progression inhibitor |
US5732150A (en) * | 1995-09-19 | 1998-03-24 | Ihc Health Services, Inc. | Method and system for multiple wavelength microscopy image analysis |
US6151405A (en) * | 1996-11-27 | 2000-11-21 | Chromavision Medical Systems, Inc. | System and method for cellular specimen grading |
US6330349B1 (en) * | 1995-11-30 | 2001-12-11 | Chromavision Medical Systems, Inc. | Automated method for image analysis of residual protein |
DE19545729A1 (de) * | 1995-12-08 | 1997-06-12 | Henkel Kgaa | Bleich- und Waschmittel mit enzymatischem Bleichsystem |
US5835617A (en) * | 1996-01-18 | 1998-11-10 | Hamamatsu Photonics K.K. | Optical computer tomographic apparatus and image reconstruction method using optical computer tomography |
US6010841A (en) * | 1996-01-26 | 2000-01-04 | Eastman Kodak Company | Silver halide light sensitive emulsion layer having enhanced photographic sensitivity |
US5717518A (en) * | 1996-07-22 | 1998-02-10 | Kla Instruments Corporation | Broad spectrum ultraviolet catadioptric imaging system |
US6031930A (en) * | 1996-08-23 | 2000-02-29 | Bacus Research Laboratories, Inc. | Method and apparatus for testing a progression of neoplasia including cancer chemoprevention testing |
EP0987985A4 (en) | 1997-06-05 | 2009-04-29 | Kairos Scient Inc | CALIBRATION OF RESONANCE ENERGY TRANSFER BY FLUORESCENCE IN MICROSCOPY |
US6276798B1 (en) * | 1998-09-29 | 2001-08-21 | Applied Spectral Imaging, Ltd. | Spectral bio-imaging of the eye |
AU750198B2 (en) * | 1998-11-16 | 2002-07-11 | Rodenstock Gmbh | Neutral-colored gray photochromic plastic object |
US6327074B1 (en) * | 1998-11-25 | 2001-12-04 | University Of Central Florida | Display medium using emitting particles dispersed in a transparent host |
US20030096433A1 (en) * | 1999-03-03 | 2003-05-22 | Evotec Analytical Systems Gmbh | Homogeneous fluorescence assay |
US6453060B1 (en) | 1999-06-29 | 2002-09-17 | Tri Path Imaging, Inc. | Method and apparatus for deriving separate images from multiple chromogens in a branched image analysis system |
GB9930156D0 (en) | 1999-12-22 | 2000-02-09 | Secr Defence | Optical system interface |
US6577754B2 (en) * | 2001-05-29 | 2003-06-10 | Tissueinformatics, Inc. | Robust stain detection and quantification for histological specimens based on a physical model for stain absorption |
US6863859B2 (en) * | 2001-08-16 | 2005-03-08 | Objet Geometries Ltd. | Reverse thermal gels and the use thereof for rapid prototyping |
AT411016B (de) * | 2001-08-29 | 2003-09-25 | Atomic Austria Gmbh | Bindungseinrichtung für sportgeräte, insbesondere für ein snowboard |
US7065236B2 (en) * | 2001-09-19 | 2006-06-20 | Tripath Imaging, Inc. | Method for quantitative video-microscopy and associated system and computer software program product |
JP2003157924A (ja) * | 2001-11-22 | 2003-05-30 | Sumitomo Wiring Syst Ltd | 雌側端子金具 |
US7133547B2 (en) * | 2002-01-24 | 2006-11-07 | Tripath Imaging, Inc. | Method for quantitative video-microscopy and associated system and computer software program product |
US20030176281A1 (en) * | 2002-03-13 | 2003-09-18 | Hultgren Bror O. | Choice of chromophores in two color imaging systems |
US7455858B2 (en) * | 2002-05-16 | 2008-11-25 | Qlt Inc. | Compositions and methods for delivery of photosensitive drugs |
US20050065062A1 (en) * | 2003-09-24 | 2005-03-24 | 3M Innovative Properties Company | Method of formulating a pharmaceutical composition |
-
2002
- 2002-01-24 US US10/057,729 patent/US7133547B2/en not_active Expired - Lifetime
-
2003
- 2003-01-22 DE DE60316113T patent/DE60316113T2/de not_active Expired - Lifetime
- 2003-01-22 ES ES03732046T patent/ES2292973T3/es not_active Expired - Lifetime
- 2003-01-22 AT AT03732046T patent/ATE372512T1/de not_active IP Right Cessation
- 2003-01-22 CA CA2473848A patent/CA2473848C/en not_active Expired - Lifetime
- 2003-01-22 WO PCT/US2003/001916 patent/WO2003062803A2/en active IP Right Grant
- 2003-01-22 EP EP03732046A patent/EP1470411B1/en not_active Expired - Lifetime
- 2003-01-22 JP JP2003562618A patent/JP4376058B2/ja not_active Expired - Lifetime
- 2003-01-22 AU AU2003236675A patent/AU2003236675B2/en not_active Expired
-
2006
- 2006-05-04 US US11/417,781 patent/US7602954B2/en not_active Expired - Lifetime
-
2009
- 2009-09-04 US US12/554,327 patent/US7826650B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
EP1470411A2 (en) | 2004-10-27 |
DE60316113T2 (de) | 2008-06-26 |
US7602954B2 (en) | 2009-10-13 |
US7826650B2 (en) | 2010-11-02 |
CA2473848A1 (en) | 2003-07-31 |
US20060204068A1 (en) | 2006-09-14 |
WO2003062803A2 (en) | 2003-07-31 |
JP2005516188A (ja) | 2005-06-02 |
EP1470411B1 (en) | 2007-09-05 |
CA2473848C (en) | 2012-11-20 |
JP4376058B2 (ja) | 2009-12-02 |
US7133547B2 (en) | 2006-11-07 |
AU2003236675B2 (en) | 2008-05-08 |
ATE372512T1 (de) | 2007-09-15 |
US20030138140A1 (en) | 2003-07-24 |
DE60316113D1 (de) | 2007-10-18 |
WO2003062803A3 (en) | 2003-10-16 |
US20100054574A1 (en) | 2010-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2292973T3 (es) | Metodo para video-microscopia y sistema asociado, y producto de programa de soporte logico informatico. | |
ES2301706T3 (es) | Metodo de videomicroscopia cuantitativa y sistema asociado asi como el producto de programa informatico de sofware. | |
ES2842883T3 (es) | Métodos y sistemas para evaluar tinciones histológicas | |
ES2542106T3 (es) | Método para preparar videomicroscopía cuantitativa y sistema asociado | |
US9002077B2 (en) | Visualization of stained samples | |
ES2617882T3 (es) | Método de análisis de imagen basado en la separación de cromógenos | |
AU2003236675A1 (en) | Method for quantitative video-microscopy and associated system and computer software program product | |
AU2002334590A1 (en) | Method quantitative video-microscopy and associated system and computer software program product | |
JP5154844B2 (ja) | 画像処理装置および画像処理プログラム | |
Ma et al. | Hyperspectral microscopic imaging for the detection of head and neck squamous cell carcinoma on histologic slides | |
US8824769B2 (en) | Process and system for analyzing the expression of biomarkers in a cell | |
ES2743925T3 (es) | Método para la optimización de la videomicroscopía cuantitativa y sistema asociado | |
US20240169534A1 (en) | Medical image analysis device, medical image analysis method, and medical image analysis system | |
JPWO2018131091A1 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
Roshan et al. | Accuracy of digital image analysis (DIA) of borderline human epidermal growth factor receptor (HER2) immunohistochemistry in invasive ductal carcinoma | |
US20230296519A1 (en) | Autofluorescence-Based Targeting of Pathologically/Diagnostically Relevant Tissue Regions for Efficient and Accurate Omics Profiling | |
AU2007249081B2 (en) | Method quantitative video-microscopy and associated system and computer software program product |