病理学中多重成像分析：分析方法与数字工具包的全面综述
组织与器官
2024-11-05 v1 计算机视觉与模式识别
细胞行为
分子网络
定量方法
摘要
常规组织病理学长期以来对疾病诊断至关重要，依赖于对组织切片的视觉检查。免疫组织化学有助于检测特定生物标志物，但受限于其单标志物方法，限制了其捕捉完整组织环境的能力。多重成像技术（如多重免疫荧光和空间转录组学）的出现，使得在单个切片中同时可视化多个生物标志物成为可能，将形态学数据与分子和空间信息相结合。这提供了对组织微环境、细胞相互作用和疾病机制的更全面视角，对于理解疾病进展、预后和治疗反应至关重要。然而，多重成像产生的大量数据需要复杂的计算方法进行预处理、分割、特征提取和空间分析。这些工具对于管理大型多维数据集、将原始成像数据转化为可操作的见解至关重要。通过自动化劳动密集型任务并增强可重复性和准确性，计算工具在诊断和研究中发挥着关键作用。本综述探讨了病理学中多重成像的当前格局，详细阐述了工作流程和关键技术，如 PathML——一个简化图像分析的 AI 驱动平台，使复杂数据集的解读在临床和研究环境中变得易于访问。
引用
@article{arxiv.2411.00948,
title = {Multiplex Imaging Analysis in Pathology: a Comprehensive Review on Analytical Approaches and Digital Toolkits},
author = {Mohamed Omar and Giuseppe Nicolo Fanelli and Fabio Socciarelli and Varun Ullanat and Sreekar Reddy Puchala and James Wen and Alex Chowdhury and Itzel Valencia and Cristian Scatena and Luigi Marchionni and Renato Umeton and Massimo Loda},
journal= {arXiv preprint arXiv:2411.00948},
year = {2024}
}
备注
54 pages (39 manuscript + 14 supplementary), 3 figures (figure 1, 2 and supplementary figure 1), 6 Tables (Table 1, 2, 3 and supplementary table 1,2,3)