技术文章Article 首 页 > 技术文章 > 免疫组化分析报告案例
免疫组化分析报告案例
点击次数：4242 更新时间：2022-07-18
 

分析方法

 采用AI深度学习原理，基于海量数据进行算法训练并集成为自动化图像分析软件。具体过程如下：

1、循迹：自动定位并沿待测组织圈定待测区域，可根据具体要求手动定位；

2、选色：根据HSI自动进行阳性判断，可根据具体情况手动修正；

3、运算：根据需求，软件自动定位细胞核并扩展胞质范围；计算弱、中、强阳性细胞数量以及面积；累积光密度IOD(integrated optical density) ；组织面积等不同参数。

    4、分析：高倍下逐步计算待测区域。完成后根据原始基础数据以及算法公式自动对各个项目进行计算得出分析结果，并生成报告。

2.评价项目

    1、阳性细胞比率=阳性细胞数/细胞总数[1]

    2、阳性细胞密度=阳性细胞数/待测组织面积[1]

3、平均光密度值=累积光密度IOD值/阳性像素面积[2]

4、H-SCORE=∑（pi×i）=（percentage of weak intensity ×1)+(percentage  of moderate intensity ×2)+(percentage of strong intensity ×3) [3][4] [7][8]

5、IRS=SI（阳性强度）×PP（阳性细胞比率）。SI可分为3级，0级无阳性着色，1级淡黄色弱阳性，2级棕黄色中阳性，3级棕褐色强阳性；PP可分为4级，0级为0～5%，1级为6%～25%，2级为26%～50%，3级为51%～75%，4级为>75% [5]

6、阳性面积比=阳性面积/组织面积[6]

7、阳性面密度=累积光密度IOD值/组织像素面积[2]

 

3.分析结果

图片名称
(Names of Images)

阳性面积比率
(Positive Area, %)

平均光密度值
(Mean Density)

面密度
(Area Density)

H-Score

1

1.06%

0.1619

0.001714

1.4709

2

5.20%

0.1129

0.005868

6.2052

3

0.63%

0.1133

0.000709

0.7035

5.原始基础数据

图片名称
(Names of Images)

阳性像素面积1级
(Positive Area 1 weak, pixel)

阳性像素面积2级
(Positive Area 2 Moderate, pixel)

阳性像素面积3级
(Positive Area 3 Strong, pixel)

累积光密度值
(IOD)

组织像素面积
(Positive Area, pixel)

1

19772

2378

3873

4213

2457712

2

221689

43779

4295

30462

5191371

3

14935

766

635

1851

2612126