米徠迪病理圖像分析系統 AP-TIME 軟件功能配置介紹

  標準版 AP-TIME 的功能配置包括

  1、4 項 AI 模塊：

  ①明場 IHC 圖像細胞自動識別;

  ②熒光圖像細胞自動識別;

  ③腫瘤與間質的自動化區域分割;

  ④三級淋巴結構 TLS 自動化識別)。

  2、7 大功能模塊分析：

  ①明場免疫組化定量;

  ②熒光定量;

  ③區域分割;

  ④空間分析;

  ⑤組織芯片分割;

  ⑥TLS 識別;

  ⑦數據分析處理模塊。

  功能加強版 AP-TIME 的功能配置：

  標準版 AP-TIME 的基礎上搭配連續切片疊加配準和分析。

  AP-TIME 功能模塊的詳細介紹

  1.明場免疫組化定量分析

  適用于免疫組化的定量分析。通過深度學習模型自動識別圖像中所有細胞，進行參數設置識別標志物對應的染色通道中陽性表達的細胞，同時可基于染色強度，將陽性細胞進行表達強度分數分類( 1 +，2 +，3+)。結果報告可輸出標志物的陽性表達百分比，H-score 值，及每個細胞的完整分析數據等。

  2.多重熒光免疫組化定量分析

  適用于多重熒光免疫組化的定量分析。通過深度學習模型自動識別圖像中所有細胞，進行參數設置識別標志物對應的染色通道中陽性表達的細胞，同時可基于染色強度，將陽性細胞進行表達強度分數分類(1 +，2 +，3+)。結果報告可輸出每個標志物的陽性表達百分比，H-score 值，及每個細胞的完整分析數據等。

  3.細胞分型

  通過多個標志物共表達實現組織原位單細胞水平的細胞表型識別及可視化，從而對圖像中各類細胞進行分型，并進行定量分析及不同表型細胞間的空間關系分析。

  4.區域分割

  區域分割模塊采用深度學習模型，經過數千張熒光圖像訓練實現自動區分待分析圖像中的腫瘤與間質，快速地對整張切片或批量的熒光病理圖像進行不同類型組織的分割，如下圖所示軟件自動區分的腫瘤與腫瘤間質區域。區域分割功能聯合其他模塊(如定量或空間分析)分析可分別得到腫瘤中的定量數據、間質及全片中的定量數據，為研究表型細胞在腫瘤微環境中不同空間位置發揮不同功能提供重要的分析方法。

  5.空間分析

  在組織原位水上識別每個細胞的空間位置，根據研究目的計算兩兩細胞的空間位置關系并統計得到全片組織中兩類不同表型細胞的空間關系。

  5.1 空間浸潤分析

  空間浸潤分析用于分析病灶區域(如腫瘤、壞死、纖維化等)周圍某類細胞的浸潤情況。如常用于腫瘤免疫浸潤分析，確定某類細胞在腫瘤中的浸潤情況：以腫瘤邊界為分析中心，可分析靶細胞在腫瘤邊界內外的分布，統計得到目標區間內所有細胞到腫瘤邊界的平均距離，并給出數據統計直方圖。

  如下圖所示，以腫瘤邊界為 0 軸，分析腫瘤內 200um 范圍 CD3+細胞的分布，并計算腫瘤內外每個區間的 CD3+細胞的分布密度。

  5.2 近距離分析/鄰近關系分析

  識別分析區域內每個靶細胞的空間位置，計算兩兩細胞的距離，可分析某類細胞在一定區間范圍內另一靶細胞的分布情況，并給出數據統計直方圖。

  如下圖所示：對 CD20+細胞周圍 50um 內 CD3 細胞的分布進行鄰近關系分析，得到 CD20 細胞

  與 CD3 細胞的空間關系統計結果。

  6.組織芯片 TMA 切割該模塊對組織芯片樣本圖像進行切割，生成每個樣本 core 的圖像，結合其他分析模塊進一步定量分析或空間分析，輸出芯片中每個樣本的分析數據。

  7.三級淋巴結構(TLS)的自動化識別及定量分析

  該模塊通過識別組織圖像中標志物的染色信息，自動調節熒光強度并識別出圖像中 TLS 結構進行標注，進一步定量分析可得到圖像中每個 TLS 的定量數據，同時可進一步對三級淋巴結構的內部進行空間分析。8.數據分析處理模塊圖像分析得到的數據可通過該模塊經統計學方法處理得到統計結果及對應的統計圖。

  9.連續切片疊加配準和分析

  連續切片疊加分析功能模塊可對相鄰兩張連續切片上的標志物或共表達細胞進行跨圖像的空間

  分析。

  兩張連續切片疊加 merge 圖如圖所示。

  兩張連續切片之間的空間分析，如圖所示：除了以上模塊化分析，AP-TIME 同時具備強大的圖像瀏覽及處理能力，多元化的注釋工具，創建注釋自動識別組織邊界，調節通道熒光強度優化圖像呈現效果，兼容主流數字切片圖像格式及常規格式等等。