Emerging Themes in Image Informatics and Molecular Analysis for Digital Pathology.
Emerging Themes in Image Informatics and Molecular Analysis for Digital Pathology.
复制标题
图像信息学和分子分析的数字病理学主题。
DOI：
10.1146/annurev-bioeng-112415-114722
复制
发表时间：
2016-07-11
影响因子：
9.7
通讯作者：
Madabhushi A
中科院分区：
文献类型：
--
作者：
Bhargava R;Madabhushi A
病理学对于疾病和发展的研究以及临床决策至关重要。100多年来，病理学实践涉及由训练有素的人使用光学显微镜分析染色的薄组织切片的图像。技术进步正在推动这一范式向数字病理学（DP）的重大变化。病理学的数字化转型超越了记录、存档和检索图像，提供了新的计算工具，为精准医学提供更好的决策。首先，我们讨论了DP中的计算图像分析和成像仪器的一些新兴创新。第二，我们讨论病理学中的分子对比。分子DP传统上是具有分子特异性染料的病理学的延伸。无标记的光谱图像正在迅速成为另一个重要的信息来源，我们描述了这种演变的好处和潜力。第三，我们描述了多模式DP，这是通过计算算法，并结合了结构和分子病理学的最佳特征。最后，我们提供了远程病理学，教育和精准医学的应用领域的例子。最后，我们讨论了这一领域的挑战和新出现的机遇。
Pathology is essential for research in disease and development, as well as for clinical decision making. For more than 100 years, pathology practice has involved analyzing images of stained, thin tissue sections by a trained human using an optical microscope. Technological advances are now driving major changes in this paradigm toward digital pathology (DP). The digital transformation of pathology goes beyond recording, archiving, and retrieving images, providing new computational tools to inform better decision making for precision medicine. First, we discuss some emerging innovations in both computational image analytics and imaging instrumentation in DP. Second, we discuss molecular contrast in pathology. Molecular DP has traditionally been an extension of pathology with molecularly specific dyes. Label-free, spectroscopic images are rapidly emerging as another important information source, and we describe the benefits and potential of this evolution. Third, we describe multimodal DP, which is enabled by computational algorithms and combines the best characteristics of structural and molecular pathology. Finally, we provide examples of application areas in telepathology, education, and precision medicine. We conclude by discussing challenges and emerging opportunities in this area.
登录
查看更多内容
影响因子：
4.2
作者：
Bassan, Paul;Kohler, Achim;Gardner, Peter
通讯作者：
Gardner, Peter
影响因子：
3.5
作者：
Bhargava R
通讯作者：
Bhargava R
影响因子：
82.9
作者：
通讯作者：
--
影响因子：
2.8
作者：
Bassan, Paul;Kohler, Achim;Gardner, Peter
通讯作者：
Gardner, Peter
共识嵌入：理论，算法以及对生物医学数据分割和分类的应用。
影响因子：
3
作者：
Viswanath S;Madabhushi A
通讯作者：
Madabhushi A