Name: היכרות עם מערכת משולבת לניהול תמונות פתולוגיה, בינה מלאכותית ודיווח (וידאו) | JoVE Journal
Uploaded: 2025-07-11T15:40:00.000+00:00
Duration: 5 min 33 s
Description: למד כיצד לשלב בינה מלאכותית במערכות מידע פתולוגיות לשיפור דיוק אבחון סרטן הערמונית. הפלטפורמה FlexLIS מציגה 97% דיוק בזיהוי ממצאים פתולוגיים קריטיים בביופסיות.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

<ol><li>Zhang, D. Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Implementation+of+digital+pathology+and+artificial+intelligence+in+routine+pathology+practice%5BTitle%5D)+AND+%22Lab+Invest%22%5BJournal%5D)">Implementation of digital pathology and artificial intelligence in routine pathology practice.</a> Lab Invest. 104 (9), 102111(2024).</li>
<li>Zhu, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Artificial+intelligence+in+pathologic+diagnosis%2C+prognosis+and+prediction+of+prostate+cancer%5BTitle%5D)+AND+%22Am+J+Clin+Exp+Urol%22%5BJournal%5D)">Artificial intelligence in pathologic diagnosis, prognosis and prediction of prostate cancer.</a> Am J Clin Exp Urol. 12 (4), 200-215 (2024).</li>
<li>Park, S. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Anatomic+pathology+laboratory+information+systems%3A+a+review%5BTitle%5D)+AND+%22Adv+Anat+Pathol%22%5BJournal%5D)">Anatomic pathology laboratory information systems: a review.</a> Adv Anat Pathol. 19 (2), 81-96 (2012).</li>
<li>Epstein, J. I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+2019+genitourinary+pathology+society+%28gups%29+white+paper+on+contemporary+grading+of+prostate+cancer%5BTitle%5D)+AND+%22Arch+Pathol+Lab+Med%22%5BJournal%5D)">The 2019 genitourinary pathology society (gups) white paper on contemporary grading of prostate cancer.</a> Arch Pathol Lab Med. 145 (4), 461-493 (2021).</li>
<li>Moses, K. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((NCCN+guidelines+insights%3A+Prostate+cancer+early+detection%2C+version+1.2023%5BTitle%5D)+AND+%22J+Natl+Compr+Canc+Netw%22%5BJournal%5D)">NCCN guidelines insights: Prostate cancer early detection, version 1.2023.</a> J Natl Compr Canc Netw. 21 (3), 236-246 (2023).</li>
<li>Bryant, R. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Local+anaesthetic+transperineal+biopsy+versus+transrectal+prostate+biopsy+in+prostate+cancer+detection+%28TRANSLATE%29%3A+a+multicentre%2C+randomised%2C+controlled+trial%5BTitle%5D)+AND+%22Lancet+Oncol%22%5BJournal%5D)">Local anaesthetic transperineal biopsy versus transrectal prostate biopsy in prostate cancer detection (TRANSLATE): a multicentre, randomised, controlled trial.</a> Lancet Oncol. 21, (2025).</li>
<li>Flaig, T. W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((NCCN+guidelines+insights%3A+Bladder+cancer%2C+version+3.2024%5BTitle%5D)+AND+%22J+Natl+Compr+Canc+Netw%22%5BJournal%5D)">NCCN guidelines insights: Bladder cancer, version 3.2024.</a> J Natl Compr Canc Netw. 22 (4), 216-225 (2024).</li>
<li>Barkan, G. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Paris+system+for+reporting+urinary+cytology%3A+The+quest+to+develop+a+standardized+terminology%5BTitle%5D)+AND+%22J+Am+Soc+Cytopathol%22%5BJournal%5D)">The Paris system for reporting urinary cytology: The quest to develop a standardized terminology.</a> J Am Soc Cytopathol. 5 (3), 177-188 (2016).</li>
<li>Sepulveda, J. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+ideal+laboratory+information+system%5BTitle%5D)+AND+%22Arch+Pathol+Lab+Med%22%5BJournal%5D)">The ideal laboratory information system.</a> Arch Pathol Lab Med. 137 (8), 1129-1140 (2013).</li>
<li>Fu, Q., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Design+and+Implementation+of+Clinical+LIS360+Laboratory+Management+System+Based+on+AI+Technology%5BTitle%5D)+AND+%22Int+J+Comput+Intelligence+Syst%22%5BJournal%5D)">Design and Implementation of Clinical LIS360 Laboratory Management System Based on AI Technology.</a> Int J Comput Intelligence Syst. 16, 33(2023).</li>
<li>Zhu, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Artificial+Intelligence-Assisted+Histopathology+As+A+Training+Tool+For+Residents%5BTitle%5D)+AND+%22Lab+Invest%22%5BJournal%5D)">Artificial Intelligence-Assisted Histopathology As A Training Tool For Residents.</a> Lab Invest. 105 (3), 102736(2025).</li>
</ol>

<table><tbody><tr><td>FlexLIS</td><td>נובינו בינה מלאכותית</td><td></td><td></td></tr></tbody></table>

היכרות עם מערכת משולבת לניהול תמונות פתולוגיה, בינה מלאכותית ודיווח

Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System

בחלק זה, מוצגים שני מקרי שימוש כדי להדגים כיצד הבינה המלאכותית יכולה לסייע לפתולוגים בהערכת תמונות ומתן תשומות אבחון.
אבחון סרטן הערמונית (איור 7): הערכה היסטופתולוגיה של ביופסיה של הערמונית עם סרטן, כולל אורך הגידול ואחוזו, ציוני גליסון (3, 4 ו-5), אחוז גליסון 4 ו-5 וכו'. מידע זה משמש לאחר מכן לסיווג חולים ל-4 קבוצות כיתה (1 עד 4), כאשר 4 הוא סרטן הערמונית האגרסיבי ביותר 4,5. מידע זה נדרש להיכלל בדוח הפתולוגיה; לכן, זוהי דוגמה מושלמת להמחשת אבחון פתולוגיה בסיוע בינה מלאכותית.
בדוגמה זו, שקופיות הזכוכית עם ביופסיית הערמונית הוכתמו בתחילה בהליך המטוקסילין-אאוזין (H&amp;E). לאחר מכן השקופית המוכתמת עברה דיגיטציה כדי ליצור תמונת שקופית שלמה (WSI), שהועלתה למערכת באמצעות ממשק ישיר בין מחשב הסורק לתוכנה (איור 7). לאחר ההעלאה, מודל המופעל על ידי בינה מלאכותית מעבד את התווית, מזהה ומתייג כל ישות, כולל מקור הדגימה (כלומר, הערמונית) וסוג הצביעה (כלומר, H&amp;E). מודל זה קובע אם התמונה היא ביופסיה של הערמונית המוכתמת ב-H&amp;E. אם כן, מודל אחר מבוסס בינה מלאכותית מנתח את התמונה ומייצר משוב או פלטים על סמך הניתוח (איור 7A). מודל מבוסס בינה מלאכותית זה מסוגל גם להזמין מראש כתמים אימונוהיסטוכימיים PIN4 כדי לסייע לפתולוגים לאשר את נוכחותם של אזורי גידול קטנים (איור 3).
מודל זה הוכשר על למעלה מ-1700 תמונות שקופיות שלמות של הערמונית (WSI) שהיו מבחינת פיקסלים עם הערות על ידי צוות של פתולוגים מנוסים. בעקבות ביאור WSIs, מיושם מודל למידה עמוקה כדי לסווג אריחי רקמת ערמונית לארבע קטגוריות: שפיר, Gleason3, Gleason4 ו-Gleason5. כפי שמוצג באיור 5, פלטים מבוססי אריחים מצטברים ליצירת מסכת שקופיות שלמה המדגישה אזורים סרטניים: סרטן (אדום), Gleason4 (ירוק) ו-Gleason5 (כחול; איור 6). בנוסף למסכות אלה, מודל הבינה המלאכותית יצר תווית סופית (סרטן או שפיר) עבור ה-WSI של הערמונית. סיווג זה מבוסס על מאפיינים מורפולוגיים כגון האזורים של Gleason3, Gleason4 ו-Gleason5, הוודאות של מסכות Gleason3, Gleason4 ו-Gleason5 וגורמים אחרים. הביצועים של מודל הערמונית הנוכחי שלנו לגילוי סרטן הערמונית אושרו על ידי שימוש בקבוצה עצמאית של 1,000 WSIs שלא נעשה בהם שימוש במהלך פיתוח המודל או אימותו. כל שקופית בערכת האימות מסומנת כשפיר או סרטן. המודל המאומן גם מקצה תווית לכל שקופית כמתואר. על ידי השוואת תוויות האמת הקרקעיות עם תחזיות המודל, חושבו מדדי ביצועים כגון דיוק, רגישות, ספציפיות וציון F1, כפי שמוצג בטבלה 1. התוצאות מצביעות על כך שהמודל המאומן מתפקד באופן דומה למודלים אחרים של בינה מלאכותית של הערמונית6.
בנוסף לציוני גליסון, מודל הבינה המלאכותית מסוגל לקבוע את אורך הגידול ואחוזו, ואת קבוצת הדרגה (איור 7). יתר על כן, מודל הבינה המלאכותית מסוגל גם לחשב פתולוגיה מבוססת קבוצת סיכון של NCCN ומידע קליני אם מסופק (איור 7A). ב-FlexLIS, בינה מלאכותית מסוגלת לתמלל את כל המידע האבחוני לדוח הפתולוגיה, כך שהפתולוגים לא יצטרכו להזין אותו ידנית לדוח (איור 7B). למרות שכל תהליך הבינה המלאכותית הושלם ברקע ואינו גלוי לפתולוגים, תוצאות ניתוח הבינה המלאכותית ואותה תמונה גלויות לפתולוגים שיכולים להחליט לשמור או לשנות את תוצאות הבינה המלאכותית בדוח הפתולוגיה (איור 7B).
ציטולוגיה של שתן לבדיקת סרטן שלפוחית השתן: ציטולוגיה של השתן היא השיטה הלא פולשנית העיקרית לסקר, אבחון וניטור סרטן שלפוחית השתן7. ציטולוגיה של השתן מסווגת את החולים לארבע קטגוריות: שלילי לקרצינומה אורותליאלית בדרגה גבוהה, תאים אורותליים לא טיפוסיים, חשוד לקרצינומה אורותליאלית בדרגה גבוהה וקרצינומה אורותליאלית בדרגה גבוהה8. סקירת ציטולוגיה של שתן דורשת ניסיון ומיומנות והיא גוזלת זמן רב. לכן, בדיקת ציטולוגיה של שתן בסיוע בינה מלאכותית נדרשת מאוד. מקרה זה מציג הערכה של תא בודד על ידי AI.
בדיקת שקופיות ציטולוגיות בשתן יכולה להיות תהליך עתיר עבודה וגוזל זמן עבור פתולוגים. זה דורש סריקה קפדנית של שדות רחבים והתקרבות והתרחקות תכופה כדי לאתר תאים נדירים בעלי משמעות אבחנתית, לעתים קרובות דומים לחיפוש אחר מחט בערימת שחת. גישה ידנית זו לא רק דורשת זמן ומיקוד ניכרים, אלא גם תורמת לעייפות האבחון ולשונות פוטנציאלית בפרשנויות. כדי לייעל תהליך זה, פותח מודל ציטולוגיה של שתן מבוסס בינה מלאכותית המשולב ב-FlexLIS כדי לתמוך בפתולוגים על ידי זיהוי וסיווג אוטומטי של מגוון רחב של סוגי תאים בדגימות שתן. המודל מסוגל לזהות את הקטגוריות הבאות: HGUC (תאי קרצינומה אורותליים בדרגה גבוהה), חשודים (תאים אורותליים עם חריגות ניכרות המרמזות על ממאירות אך לא אבחנתיות באופן מוחלט), תאים אורותליים לא טיפוסיים, RBCs (תאי דם אדומים), גבישים, לימפוציטים, תאים פולימורפיים, נגיף פוליומה, תאים צינוריים בכליות, זרע, תאי קשקש, תאי אורותל תקינים, שמרים ואחרים. כדי לשפר עוד יותר את השימושיות, הקטגוריות המשמעותיות מבחינה אבחנתית - HGUC, תאים אורותליים לא טיפוסיים ותאים חשודים - מודגשות באמצעות צבעים מובהקים (איור 8), מה שמאפשר לפתולוגים להתמקד במהירות בתחומי עניין ללא צורך בסריקה ידנית ממצה.
יתר על כן, מודל הבינה המלאכותית מכמת את מספר התאים בכל קטגוריה שזוהתה ומשלב בצורה חלקה נתונים אלה בפלט (איור 8). ממצאים אלה מתומללים אוטומטית לדוח הפתולוגיה, ומאפשרים לפתולוג להתמקד אך ורק בסקירה, אימות וסיום המקרה. זה משפר מאוד את יעילות האבחון, מפחית את עומס העבודה הידני ומקדם עקביות ודיוק בין הדוחות.
כדי לאמן את מודל הבינה המלאכותית, נבחרו באופן אקראי 500 אזורים מתוך 150 תמונות שקופיות שלמות של דגימות ציטולוגיה של שתן. ציטופתולוגים מומחים העירו ידנית תאים באזורים אלה ל-14 קטגוריות מוגדרות מראש, כפי שתואר קודם לכן, וכתוצאה מכך למעלה מ-30,000 תאים מוערים. אזורים מ-80% מהשקופיות שימשו להדרכה, בעוד ש-20% הנותרים נשמרו לאימות. לאחר מכן הוכשר והוערך מודל זיהוי אובייקטים כדי לזהות ולסווג במדויק תאים על פני הקטגוריות המוגדרות.
בנוסף למודלים של ציטולוגיה של הערמונית והשתן, מודל הבינה המלאכותית של גסטרואנטרולוגיה זמין גם בתוכנה. מודלים אחרים, כולל סרטן שלפוחית השתן וסרטן הריאות, נמצאים בתהליך פיתוח.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/68270/68270fig1.jpg"> 
איור 1: זרימת עבודה פתולוגית. (A) זרימת עבודה של פתולוגיה מסורתית. (ב) זרימת עבודה של פתולוגיה דיגיטלית. <a href="https://www.jove.com/files/ftp_upload/68270/68270fig1large.jpg" target="_blank">אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/68270/68270fig2.jpg"> 
איור 2: חלון כניסה. הזן דואר אלקטרוני בתיבת הדואר האלקטרוני. <a href="https://www.jove.com/files/ftp_upload/68270/68270fig2large.jpg" target="_blank">אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/68270/68270fig3.jpg"> 
איור 3: חלון רשימת הצטרפות. (A) סרגל הצד השמאלי מציין אפשרויות משתמש שונות. (ב) מסנן הצטרפות כדי לחפש ולמיין את המקרים. (ג) רשימת הצטרפות עם המידע של כל מקרה, כולל מספר רישום, שם מטופל, סטטוס מקרה, מספר ואיכות התמונות וכו'. במקרה זה, 4 מקרים הוקצו למשתמש. <a href="https://www.jove.com/files/ftp_upload/68270/68270fig3large.jpg" target="_blank">אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/68270/68270fig4.jpg"> 
איור 4: חלון סקירת פתולוגים. (A) מידע על המקרה, כולל מצב המקרה. (ב) טבלת סיכום הדגימה מספקת סיכום של כל דגימה, כולל אתר, אבחנה והערות. (ג) מידע על הדגימה מספק מידע נוסף על הדגימה. (ד) לוח הבקרה של המארז לניווט בתיק. התרשים הימני מציין אתרי ביופסיה של הערמונית ותוצאות AI (סרטן אדום, כתום-ASAP ושחור-שפיר). <a href="https://www.jove.com/files/ftp_upload/68270/68270fig4large.jpg" target="_blank">אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/68270/68270fig5.jpg"> 
איור 5: חלון סקירת תמונה. (A) ספריית התמונות (סרגל הצד השמאלי) מפרטת את כל הדגימות בסדר אלפביתי עם מידע על סוג הכתם ומצבו. (B) סרגל כלים (למעלה) כדי להזיז, להוסיף הערות ולשתף את התמונות. (ג) מידע על מקרה/בינה מלאכותית (סרגל צד ימני) להוספת הערות, תקשורת עם הצוות וצפייה במשוב/פלטים של בינה מלאכותית. מקרה זה הוא ביופסיה של הערמונית עם סרטן הערמונית המוסווה על ידי AI (סרטן אדום וירוק-גליסון 4). <a href="https://www.jove.com/files/ftp_upload/68270/68270fig5large.jpg" target="_blank">אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.</a>
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/68270/68270fig6.jpg"> 
איור 6: יציאות AI. (A) תמונה היסטולוגית. (B) משוב בינה מלאכותית, כלומר, הערכת בינה מלאכותית של תמונה, כולל אורך הגידול, ציון גליסון, קבוצת כיתות וכו'. אנא <a href="https://www.jove.com/files/ftp_upload/68270/68270fig6large.jpg" target="_blank">לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.</a>
<img alt="Figure 7" class="xfigimg" src="/files/ftp_upload/68270/68270fig7.jpg"> 
איור 7: מודל AI של הערמונית מעריך אוטומטית את התמונה של ביופסיית הערמונית ומסייע בהפקת דוחות פתולוגיה. (A) לאחר ניתוח תמונות ב-IMS. (ב) בינה מלאכותית מוציאה את התוצאות לדוח הפתולוגיה. <a href="https://www.jove.com/files/ftp_upload/68270/68270fig7large.jpg" target="_blank">אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.</a>
<img alt="Figure 8" class="xfigimg" src="/files/ftp_upload/68270/68270fig8.jpg"> 
איור 8: הערכת בינה מלאכותית של שקופית ציטולוגיה בשתן. תאים אורותליים חריגים הודגשו באדום (תאי סרטן דרכי השתן בדרגה גבוהה) ובוורוד (תאים חשודים). תוצאות AI מוצגות בתוספת (בפינה הימנית העליונה). <a href="https://www.jove.com/files/ftp_upload/68270/68270fig8large.jpg" target="_blank">אנא לחץ כאן לצפייה בגרסה גדולה יותר של איור זה.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>דיוק</td>
			<td>דיוק</td>
			<td>רגישות</td>
			<td>ספציפיות</td>
			<td>ניקוד F1</td>
		</tr>
		<tr>
			<td>97%</td>
			<td>96%</td>
			<td>98%</td>
			<td>96%</td>
			<td>97%</td>
		</tr>
	</tbody>
</table>
טבלה 1: ביצועי מודל הבינה המלאכותית של הערמונית לאיתור אדנוקרצינומה בביופסיות של הערמונית.

The development of electronic reporting systems (LIS), image management systems (IMS), and AI models has revolutionized pathology practices. By ...

introduction-an-integrated-pathology-image-management-artificial

Research

JoVE Journal

Medicine

רפואה

אנו מתארים את השלבים כדי להשתמש בתוכנה האישית המעוצבת שלנו לשילוב תמונה, ויזואליזציה ותכנון ניתוחי אפילפסיה.

צינור אינטגרצית תמונת 3D Multimodality ותכנון בסיוע מחשב בכירורגיה אפילפסיה

פרוטוקול זה מתאר זרימת עבודה בתפוקה גבוהה לסגמנטציה מונחית בינה מלאכותית של אזורי עניין שאושרו על-ידי פתולוגיה מתמונות מוכתמות ודקות של מקטעי רקמה להעשרת אוכלוסיות תאים שנפתרו על-ידי היסטולוגיה באמצעות מיקרו-דיסקציה של לייזר. אסטרטגיה זו כוללת אלגוריתם חדשני המאפשר העברת תיחום המציין אוכלוסיות תאים בעלי עניין ישירות למיקרוסקופי לייזר.

מיקרו-דיסקציה מתועשת, מונחית בינה מלאכותית בלייזר לניתוח פרוטאומי בקנה מידה זעיר של המיקרו-סביבה של הגידול

בדיקת מיקרוגרעין (MN) היא בדיקה מבוססת היטב לכימות נזק לדנ"א. עם זאת, ניקוד הבדיקה באמצעות טכניקות קונבנציונליות כגון מיקרוסקופיה ידנית או ניתוח תמונה מבוסס תכונות הוא מייגע ומאתגר. מאמר זה מתאר את המתודולוגיה לפיתוח מודל בינה מלאכותית כדי להבקיע את מבחן MN באמצעות נתוני ציטומטריה של זרימת הדמיה.

אוטומציה של בדיקת מיקרוגרעין באמצעות ציטומטריית זרימת הדמיה ובינה מלאכותית

דימות קרן יונים מרובת יונים (MIBI) משמש לעתים קרובות להדמיה של מיקרו-מערכים של רקמות ואזורי רקמה רציפים ומרוצפים, אך התוכנה הנוכחית להגדרת ניסויים אלה מסורבלת. ממשק האריחים/SED/מערך הוא כלי גרפי אינטואיטיבי ואינטראקטיבי שפותח כדי לפשט ולהאיץ באופן דרמטי את הגדרת הפעלת MIBI.

התקנה מהירה של מיקרו-מערך רקמות והדמיית שטח אריחים במיקרוסקופ הדמיה של קרן יונים מרובת באמצעות ממשק אריח/SED/מערך 

תהליך של רישום סריקות טומוגרפיה ממוחשבת של קרן חרוט ותמונות שיניים דיגיטליות הוצג באמצעות בינה מלאכותית (AI) - זיהוי בעזרת ציוני דרך ומיזוג. השוואה עם רישום מבוסס פני שטח מראה כי דיגיטציה ואינטגרציה מבוססות בינה מלאכותית הן אמינות וניתנות לשחזור.

אמינות שילוב טומוגרפיה ממוחשבת מבוססת בינה מלאכותית של קרן חרוט עם תמונות שיניים דיגיטליות

נוכחותם של תאי פיטום בשוליים הפנימיים ובאזורי הגידול של קרצינומה הפטוצלולרית לאחר כריתה מעניקה פרוגנוזה חיובית. מחקר זה תומך בתוכנת ניתוח התמונות QuPath כפלטפורמה מבטיחה שיכולה לענות על הצורך בשחזור, עקביות ודיוק בפתולוגיה דיגיטלית.

תאי פיטום במיקרו-סביבה של קרצינומה הפטוצלולרית מעניקים פרוגנוזה חיובית: מחקר רטרוספקטיבי באמצעות תוכנת ניתוח התמונה QuPath 

כאן, אנו מציגים פרוטוקול סטנדרטי לגילוי סרטן הערמונית באמצעות היסטולוגיה מגורה של ראמאן (SRH) על דגימות ביופסיה בשל יתרונות על פני היסטופתולוגיה מסורתית, תוך התמקדות בהכנת דגימות, הדמיה ובינה מלאכותית לשיפור היחס בין סרטן לרקמה. בנוסף, הוא תומך בבנקאות ביולוגית עבור טרנסקריפטומיקה, מודלים אורגנואידים או קסנוגרפטים, וזיהוי שוליים כירורגיים תוך ניתוחיים.

איתור ובידוד סרטן בביופסיות ערמונית באמצעות היסטולוגיה של ראמאן מעורר ובינה מלאכותית

כתב יד זה מראה כל צעד של התאמה אישית זכוכית קריולייט העין תותבת כולל כמה יתרונות עיקריים של השימוש בזכוכית קריולייט לייצור תותבת העין לעומת פולי (מתיל מתיאקריט). בנוסף, כתב היד הזה מאפשר תובנה טובה יותר של רופאי עיניים לטיפול האוקוליסטי שיכול לשפר את שיתוף הפעולה הבין-מקצועי.

התאמה אישית של העין התותבת של זכוכית קריולייט

כאן, אנו מציגים פרוטוקול לניהול בטוח ויעיל של גז הרדמה לעכברים באמצעות מערכת הרדמה דיגיטלית בזרימה נמוכה עם מודולי הנשמה וניטור פיזיולוגי משולבים.

שימוש במכשיר אידוי משולב בעל זרימה נמוכה, מאוורר ומערכת ניטור פיזיולוגית למכרסמים

הפרוטוקול הנוכחי מתאר את טכניקת המיוגרפיה של החוטים למדידת תגובתיות כלי הדם של העורק הכלילי של החולדה.

הכנת טבעת כלילית סטנדרטית של חולדה והקלטה בזמן אמת של שינויי מתח דינמיים לאורך קוטר כלי השיט

למד כיצד לשלב בינה מלאכותית במערכות מידע פתולוגיות לשיפור דיוק אבחון סרטן הערמונית. הפלטפורמה FlexLIS מציגה 97% דיוק בזיהוי ממצאים פתולוגיים קריטיים בביופסיות.

היכרות עם מערכת משולבת לניהול תמונות פתולוגיה, בינה מלאכותית ודיווח

גלה סרטונים נוספים