Visinity: Visual Spatial Neighborhood Analysis for Multiplexed Tissue Imaging Data
Visinity: Visual Spatial Neighborhood Analysis for Multiplexed Tissue Imaging Data
复制标题
Visinity：多重组织成像数据的视觉空间邻域分析
DOI：
10.1101/2022.05.09.490039v5
复制
发表时间：
2022
影响因子：
5.2
通讯作者：
Jacks T.
中科院分区：
文献类型：
--
作者：
Warchol S.;Krueger R.;Nirmal A.J.;Gaglia G.;Jessup J.;Ritch C.C.;Hoffer J.;Muhlich J.;Burger M.L.;Jacks T.
新的高度多路复用成像技术使组织的研究前所未有的细节。这些方法越来越多地被应用于了解癌细胞和免疫反应在肿瘤发展、进展和转移以及治疗后的变化。然而，现有的分析方法侧重于在每个细胞的基础上研究小的组织样本，而不考虑细胞的空间接近性，这表明细胞间的相互作用和更大的癌症微环境中的特定生物学过程。我们提出了Visinity，一个可扩展的可视化分析系统，用于分析整个载玻片多路复用组织图像队列中的细胞相互作用模式。我们的方法是基于一个快速的区域邻域计算，利用无监督学习量化，比较，并通过周围的细胞邻域组细胞。这些邻域可以在探索性和验证性工作流中进行可视化分析。用户可以通过可扩展的图像查看器和协调的视图来探索组织中存在的空间模式，突出显示细胞的邻域组成和空间排列。为了验证或完善现有的假设，用户可以查询特定的模式，以确定它们的存在和统计意义。结果可以交互式注释，排名和比较的形式小倍数。在与生物医学专家的两个案例研究中，我们证明了Visinity可以识别人类扁桃体内的常见生物过程，并发现新的白细胞网络和免疫-肿瘤相互作用。
New highly-multiplexed imaging technologies have enabled the study of tissues in unprecedented detail. These methods are increasingly being applied to understand how cancer cells and immune response change during tumor development, progression, and metastasis, as well as following treatment. Yet, existing analysis approaches focus on investigating small tissue samples on a per-cell basis, not taking into account the spatial proximity of cells, which indicates cell-cell interaction and specific biological processes in the larger cancer microenvironment. We present Visinity, a scalable visual analytics system to analyze cell interaction patterns across cohorts of whole-slide multiplexed tissue images. Our approach is based on a fast regional neighborhood computation, leveraging unsupervised learning to quantify, compare, and group cells by their surrounding cellular neighborhood. These neighborhoods can be visually analyzed in an exploratory and confirmatory workflow. Users can explore spatial patterns present across tissues through a scalable image viewer and coordinated views highlighting the neighborhood composition and spatial arrangements of cells. To verify or refine existing hypotheses, users can query for specific patterns to determine their presence and statistical significance. Findings can be interactively annotated, ranked, and compared in the form of small multiples. In two case studies with biomedical experts, we demonstrate that Visinity can identify common biological processes within a human tonsil and uncover novel white-blood cell networks and immune-tumor interactions.
登录
查看更多内容
籼稻
影响因子：
0.3
作者：
J. Hooton
通讯作者：
J. Hooton
使用 Auto ML 提高黑色素瘤诊断系统的性能
DOI：
--
发表时间：
2023
期刊：
影响因子：
--
作者：
Inoue Manabu;Yoshimoto Takeshi;Tanaka Kanta;Koge Junpei;Shiozawa Masayuki;Nishii Tatsuya;Ohta Yasutoshi;Fukuda Tetsuya;Satow Tetsu;Kataoka Hiroharu;Yamagami Hiroshi;Ihara Masafumi;Koga Masatoshi;Mlynash Michael;Albers Gregory W.;Toyoda Kazunori;正木達也・北畠直人・飛塚丈輝・花崎和寿・張 維倫・永岡 隆
通讯作者：
正木達也・北畠直人・飛塚丈輝・花崎和寿・張 維倫・永岡 隆
影响因子：
4.4
作者：
Abdelmoula WM;Pezzotti N;Hölt T;Dijkstra J;Vilanova A;McDonnell LA;Lelieveldt BPF
通讯作者：
Lelieveldt BPF
DOI：
10.1136/ebmh.11.4.102
发表时间：
2008-10
期刊：
Evidence Based Mental Health
影响因子：
--
作者：
P. Cochat;L. Vaucoret;J. Sarles
通讯作者：
P. Cochat;L. Vaucoret;J. Sarles
可视化分析环境中的关联分析过程
DOI：
10.1109/vast.2012.6400491
发表时间：
2012
期刊：
2012 IEEE Conference on Visual Analytics Science and Technology (VAST)
影响因子：
--
作者：
A. Malik;Ross Maciejewski;N. Elmqvist;Yun Jang;D. Ebert;Whitney K. Huang
通讯作者：
Whitney K. Huang