स्वचालित Dicentric गुणसूत्र पहचान (ADCI) और खुराक अनुमान द्वारा शीघ्र विकिरण Biodosimetry

Summary

सितोगेनिक dicentric गुणसूत्र (डीसी) परख quantifies विकिरण के लिए जोखिम । स्वचालित Dicentric गुणसूत्र पहचानकर्ता और खुराक अनुमानक सॉफ्टवेयर सही है और तेजी से metaphase कोशिकाओं में dc से जैविक खुराक का अनुमान है. यह मोनसेंट्रिक गुणसूत्रों और dc से अंय वस्तुओं को अलग, और dc की आवृत्ति से जैविक विकिरण खुराक का अनुमान है ।

Abstract

जैविक विकिरण खुराक metaphase कोशिकाओं में dicentric गुणसूत्र आवृत्तियों से अनुमान लगाया जा सकता है । इन सितोगेनिक dicentric गुणसूत्र परख प्रदर्शन पारंपरिक रूप से एक मैनुअल, श्रम गहन प्रक्रिया को अच्छी तरह से नमूनों की मात्रा है जो एक बड़े पैमाने पर हताहत घटना के मद्देनजर परीक्षा की आवश्यकता हो सकती है संभाल अनुकूल नहीं है । स्वचालित Dicentric गुणसूत्र पहचानकर्ता और खुराक अनुमानक (ADCI) सॉफ्टवेयर मशीन लर्निंग आधारित छवि प्रसंस्करण तकनीक का उपयोग metaphase छवियों के सेट का परीक्षण करके इस प्रक्रिया को स्वत । सॉफ्टवेयर अनुपयुक्त छवियों को हटाने के द्वारा विश्लेषण के लिए उपयुक्त छवियों का चयन करता है, प्रत्येक वस्तु को वर्गीकृत या तो एक centromere गुणसूत्र या गैर गुणसूत्र के रूप में, आगे मोनसेंट्रिक गुणसूत्रों (MCs) या dicentric के रूप में गुणसूत्रों भेद गुणसूत्रों (dc), एक नमूना के भीतर डीसी आवृत्ति निर्धारित करता है, और अंशांकन के नमूनों का उपयोग कर गणना के साथ नमूना डीसी आवृत्ति की तुलना द्वारा जैविक विकिरण खुराक का अनुमान है. इस प्रोटोकॉल ADCI सॉफ्टवेयर के उपयोग का वर्णन है । आमतौर पर, दोनों अंशांकन (ज्ञात खुराक) और परीक्षण (अज्ञात खुराक) metaphase छवियों के सेट सटीक खुराक अनुमान प्रदर्शन करने के लिए आयात कर रहे हैं. विश्लेषण के लिए इष्टतम छवियों स्वतः पूर्व निर्धारित छवि फिल्टर का उपयोग कर पाया जा सकता है या भी मैनुअल निरीक्षण के माध्यम से फ़िल्टर किया जा सकता है । सॉफ्टवेयर प्रत्येक नमूने के भीतर छवियों प्रक्रियाओं और डीसी आवृत्तियों stringency के विभिंन स्तरों पर dc बुला के लिए गणना कर रहे हैं, एक मशीन सीखने दृष्टिकोण का उपयोग कर । रैखिक-द्विघात अंशांकन curves ज्ञात भौतिक खुराक के लिए उजागर अंशांकन नमूनों में डीसी आवृत्तियों पर आधारित उत्पन्न होते हैं । परीक्षण नमूनों की खुराक अनिश्चित विकिरण के स्तर को उजागर इन अंशांकन curves का उपयोग कर अपने डीसी आवृत्तियों से अनुमान लगाया जाता है । रिपोर्टों के अनुरोध पर उत्पंन किया जा सकता है और एक या अधिक नमूनों के परिणामों का सारांश प्रदान करते हैं, एक या एक से अधिक अंशांकन घटता है, या खुराक अनुमान के ।

Introduction

विकिरण biodosimetry जैविक मार्कर का उपयोग करता है, इस तरह के dicentric गुणसूत्रों (dc) और गुणसूत्र अनुवादन के रूप में ज्यादातर गुणसूत्र वाकया विकिरण खुराक है कि व्यक्तियों को उजागर कर रहे है मापने के लिए । एक जैविक रूप से अवशोषित खुराक व्यक्तियों के बीच परिवर्तनशीलता के कारण उपकरणों द्वारा मापा भौतिक खुराक से अलग हो सकता है. इसी तरह, एक निश्चित शारीरिक खुराक के विकिरण अंतर्निहित शारीरिक या पर्यावरणीय परिस्थितियों के कारण विभिन्न जैविक जोखिम का उत्पादन कर सकते हैं । जैविक खुराक का ज्ञान दोनों निदान और उपचार के लिए विशेष महत्व का है ।

डीसी परख लोगों में जैविक विकिरण जोखिम का आकलन करने के लिए विश्व स्वास्थ्य संगठन (डब्ल्यूएचओ) और अंतरराष्ट्रीय परमाणु ऊर्जा एजेंसी (आईएईए) के स्वर्ण मानक है । यह पहली परख आईएईए और डब्ल्यूएचओ विकिरण खुराक आकलन के लिए द्वारा सिफारिश की थी । डीसी आवृत्ति लगभग 4 विकिरण जोखिम के बाद सप्ताह के लिए अपेक्षाकृत स्थिर है¹ और उत्सर्जित विकिरण खुराक के साथ उनके मात्रात्मक सहसंबंध सही है, जो dc आदर्श उपचिह्न बनाते हैं । विकिरण खुराक के बीच संबंध (धूसर [Gy] इकाइयों में संदर्भित), और dc आवृत्ति (प्रति कक्ष dc की संख्या के रूप में संदर्भित) एक रेखीय-द्विघात फ़ंक्शन के रूप में व्यक्त किया जा सकता है ।

सितोगेनिक डीसी परख के बारे में ५५ साल के लिए उद्योग मानक किया गया है²। यह मैन्युअल रूप से प्रदर्शन किया गया है, एक एकल रक्त नमूना से माइक्रोस्कोप डेटा का विश्लेषण करने के लिए 1-2 दिन की आवश्यकता. कई सौ कई हजार छवियों को सही खुराक के आधार पर विकिरण जोखिम का अनुमान करने की जरूरत है³. 1 Gy से अधिक खुराक पर, आईएईए की सिफारिश की एक ंयूनतम १०० dc का पता लगाया जाएगा । २५०-५०० metaphase छवियों की परीक्षा biodosimetry सितोगेनिक प्रयोगशालाओं में आम चलन है । जोखिम के साथ नमूनों के लिए & #60; 1 Gy, ३,०००-५,००० छवियों डीसी गठन की कम संभावनाओं के कारण सुझाव दिया है । या तो मामले में, यह एक श्रम-तीव्र कार्य है ।

सितोगेनिक biodosimetry प्रयोगशालाओं परीक्षण नमूनों में जैविक खुराक का आकलन करने से पहले अपने इन विट्रो विकिरण biodosimetry अंशांकन curves में बनाएँ । सामान्य से रक्त के नमूने, नियंत्रण व्यक्तियों विकिरण और लिम्फोसाइटों के लिए उजागर कर रहे हैं तो संस्कृति और metaphase गुणसूत्र विश्लेषण के लिए तैयार कर रहे हैं. इन नमूनों का प्रयोग, प्राप्त जैविक खुराक एक मानक विकिरण स्रोत द्वारा उत्सर्जित ज्ञात शारीरिक खुराक के लिए तुले हुए हैं । metaphase सेल छवियों के बाद दर्ज कर रहे हैं, विशेषज्ञों छवियों की जांच, dc गिनती और प्रत्येक नमूने के लिए डीसी आवृत्तियों की गणना. एक अंशांकन वक्र सभी खुराकों पर डीसी आवृत्तियों के लिए एक रैखिक-द्विघात वक्र फिटिंग द्वारा बनाया गया है । उसके बाद, व्यक्तियों से परीक्षण नमूने में जोखिम वक्र पर नपेed खुराक के लिए डीसी आवृत्तियों मिलान द्वारा या उन्हें इसी रैखिक द्विघात सूत्र में निर्दिष्ट द्वारा आस्थगित किया जा सकता है.

हम स्वचालित दोनों dc और खुराक संकल्प का पता लगाने के लिए इस प्रक्रिया में तेजी लाने के सॉफ्टवेयर का उपयोग कर । स्वचालित Dicentric गुणसूत्र पहचानकर्ता और खुराक अनुमानक (ADCI) मोनसेंट्रिक गुणसूत्रों (MCs) और अन्य वस्तुओं और स्वचालित बनाता विकिरण से Dicentric गुणसूत्रों (dc) का पता लगाने और भेदभाव करने के लिए मशीन लर्निंग आधारित छवि प्रसंस्करण तकनीक का उपयोग करता है खुराक अनुमान । सॉफ्टवेयर काफी कम करने के लिए या डीसी गिनती के मैनुअल सत्यापन के लिए आवश्यकता को खत्म करने और स्वचालन के माध्यम से खुराक आकलन में तेजी लाने के लिए करना है. यह स्वास्थ्य कनाडा (एचसी) और कनाडा की परमाणु प्रयोगशालाओं (CNL) में संदर्भ biodosimetry प्रयोगशालाओं की भागीदारी के साथ विकसित किया गया है । उनकी प्रतिक्रिया यह सुनिश्चित करेगी कि प्रदर्शन इस परख के लिए आईएईए के मानदंडों को पूरा करता रहेगा.

सॉफ्टवेयर निम्नलिखित कार्य करता है: 1) dc फ़िल्टरिंग और विश्लेषण के लिए इष्टतम metaphase सेल छवियों का चयन, 2) गुणसूत्र मान्यता, डीसी का पता लगाने, और डीसी आवृत्ति निर्धारण, और 3) खुराक से विकिरण खुराक का आकलन-तुले, सितोगेनिक विकिरण डेटा । यह सॉफ्टवेयर एक ही व्यक्ति से metaphase छवियों के समूहों प्रक्रियाओं (एक नमूना), प्रत्येक छवि प्रसंस्करण तकनीक का उपयोग कर में dc की संख्या मायने रखता है, और ग्रेस (Gy) की इकाइयों में प्रत्येक नमूने के द्वारा प्राप्त अनुमानित विकिरण खुराक देता है.

सॉफ्टवेयर गुणसूत्र संरचनाओं, मायने रखता है, और घनत्व की एक सीमा को संभालने के लिए डिजाइन किया गया है । हालांकि, एल्गोरिथ्म अच्छी तरह से अलग, रैखिक गुणसूत्रों⁴की एक निकट पूर्ण पूरक युक्त metaphase छवियों में बेहतर प्रदर्शन करता है । गुणसूत्रों के अत्यधिक ओवरलैप सेट युक्त छवियाँ, एकाधिक कोशिकाओं, अपूर्ण metaphase कोशिकाओं, बहन chromatid जुदाई, नाभिक, गैर गुणसूत्र वस्तुओं, और अन्य दोषों एल्गोरिथ्म की सटीकता को कम कर सकते हैं. समर्पित छवि चयन मॉडल और अंय वस्तु विभाजन थ्रेसहोल्ड उप इष्टतम छवियों और झूठी सकारात्मक dc के बहुमत को फ़िल्टर कर सकते हैं ।

Dicentric गुणसूत्र खोज किया जाता है जब एक छवि संसाधित है । एल्गोरिथ्म एक छवि में कौन-सा ऑब्जेक्ट गुणसूत्रों है और फिर प्रत्येक गुणसूत्र पर centromeres होने की संभावना सबसे अधिक दो क्षेत्रों का पता लगाने के लिए प्रयास करता है । फिर, विभिन्न समर्थन वेक्टर मशीन (SVM) मॉडल सीखने की एक श्रृंखला या तो dc या सामान्य, मोनसेंट्रिक गुणसूत्रों के रूप में गुणसूत्रों भेद । SVM मॉडल संवेदनशीलता और डीसी का पता लगाने की विशिष्टता में अलग (नीचे चरण 3.1.4 देखें), जो एक नमूना में निर्धारित कर रहे हैं कि डीसी आवृत्तियों को प्रभावित कर सकते हैं.

ADCI एक या एक से अधिक नमूनों के लिए Giemsa-(या DAPI-) सना हुआ metaphase डिजिटल छवियों (झगड़ा या JPG प्रारूप में) के सेट प्रक्रियाओं । सॉफ्टवेयर दोनों अंशांकन नमूनों और परीक्षण नमूनों में dc का विश्लेषण करती है । अंशांकन नमूनों की शारीरिक खुराक (Gy में) जाना जाता है और एक अंशांकन वक्र की पीढ़ी में उपयोग किया जाता है । अज्ञात जोखिम के साथ व्यक्तियों की शारीरिक और जैविक खुराक मशीन जनित अंशांकन वक्र से सॉफ्टवेयर द्वारा आस्थगित कर रहे हैं । हालांकि प्रयोगशालाओं तुलनीय तकनीक का उपयोग करें, विभिंन प्रयोगशालाओं से अंशांकन घटता अक्सर³बदलती हैं । दोनों अंशांकन वक्र और परीक्षण नमूने एक ही प्रयोगशाला से परीक्षण नमूनों में सटीक खुराक अनुमान के लिए संसाधित किया जाना चाहिए ।

इस सॉफ्टवेयर गति, सटीकता और दरिद्रता जो एक घटना में कई व्यक्तियों को एक साथ परीक्षण किया जाना चाहिए संभालने के लिए आवश्यक उत्पादकता पते प्रदान करता है । यह २००८-२०१७^{4,5,6,7,8,9,10,11,}12 से विकसित किया गया था ^,13. हाल के कंप्यूटर हार्डवेयर का उपयोग करके, यह डेस्कटॉपपीसी सॉफ्टवेयर प्रक्रिया और 10-20 ^मिनट4 में ५०० metaphase जीनोम समकक्ष के एक रोगी के नमूने में विकिरण खुराक अनुमान कर सकते हैं । कोड स्वामित्व छवि विभाजन और गुणसूत्र विश्लेषण के लिए मशीन सीखने एल्गोरिदम का एक सेट पर आधारित है । 3 Gy विकिरण से अवगत कराया प्रत्येक गुणसूत्र के विशेषज्ञ विश्लेषण ADCI करने के लिए तुलनीय accuracies दिया । अज्ञात जोखिम के 6 नमूनों का एक सेट में (पहले एक अंतरराष्ट्रीय प्रवीणता व्यायाम में इस्तेमाल किया), सॉफ्टवेयर के ०.५ Gy के भीतर अनुमानित खुराक एचसी और CNL द्वारा एक ही डेटा की मैनुअल समीक्षा द्वारा प्राप्त की, triage के लिए आईएईए की आवश्यकताओं को पूरा करने biodosimetry । इसके अलावा, अंतर प्रयोगशाला मानकीकरण और अंततः खुराक के reproducibility एक आम, स्वचालित डीसी स्कोरिंग एल्गोरिथ्म होने से लाभ का अनुमान है । फिर भी, सॉफ्टवेयर छवि फ़िल्टरिंग और चयन मानदंड के अनुकूलन परमिट, गुणसूत्र तैयारी तरीकों और विकिरण अंशांकन स्रोतों में मतभेदों को सक्षम करने के लिए ध्यान में रखा जाएगा ।

इस सॉफ्टवेयर एक ग्राफिकल यूजर इंटरफेस (GUI) आधारित प्रणाली जो गुणसूत्र Giemsa युक्त छवियों के सेट का विश्लेषण करती है (या DAPI)-विषमता के लिए दाग metaphase कोशिकाओं है कि विकिरण के लिए जोखिम से परिणाम । छवि सेट डिजिटल रूप से एक प्रकाश (या epifluorescent) माइक्रोस्कोप प्रणाली के साथ फोटो और प्रत्येक सेट एक अलग नमूना करने के लिए संगत कर रहे हैं । सॉफ्टवेयर का पता लगाने के लिए और MCs और अन्य वस्तुओं से dc भेदभाव छवि प्रसंस्करण तकनीक का उपयोग करता है. Empirically-व्युत्पन्न सेगमेंटेशन फ़िल्टर तब स्वचालित रूप से true dc को प्रभावित किए बिना false धनात्मक dc को समाप्त करते हैं. अंत में, सॉफ्टवेयर स्वचालित रूप से विभिंन छवि संपत्तियों के आधार पर अवांछनीय छवियों को फ़िल्टर के साथ गरीब गुणवत्ता metaphase छवियों पाया (या प्रयोक्ता निर्दिष्ट) छवि चयन मॉडल । इन छवियों “शोर” वस्तुओं, एकाधिक अतिव्यापी गुणसूत्रों, metaphase गुणसूत्रों, बहन chromatids⁴की अत्यधिक संख्या की कमी छवियों के अत्यधिक या अपर्याप्त संख्या युक्त उन उन शामिल हैं । स्वचालित रूप से उपचारात्मक छवि डेटा ज्ञात विकिरण खुराक के नमूनों से खुराक अंशांकन वक्र उत्पन्न करने के लिए उपयोग किया जाता है और अज्ञात खुराक को उजागर परीक्षण नमूनों के जोखिम का अनुमान करने के लिए उपयोग किया जाता है.

सॉफ्टवेयर का उत्पादन देखा और के रूप में सहेजा जा सकता है: 1) पाठ आधारित उत्पादन में देखा सांत्वना, 2) भूखंडों जो छवियों के रूप में सहेजा जा सकता है, और 3) HTML प्रारूप में रिपोर्ट । सॉफ्टवेयर के कई पहलुओं के लिए विभिंन प्रयोगशालाओं की विशिष्ट आवश्यकताओं के अनुरूप अनुकूलन कर रहे हैं । व्यक्तिगत प्रयोगशालाओं आमतौर पर अंशांकन और परीक्षण के नमूने तैयार है और उस प्रयोगशाला में मांय सितोगेनिक प्रोटोकॉल के आधार पर एकत्र प्रदान करते हैं । यह नमूना तैयारी की एकरूपता बनाए रखता है और अंशांकन के नमूनों से उत्पंन की अनुमति देता है सार्थक एक ही प्रोटोकॉल का उपयोग कर व्युत्पंन नमूनों का परीक्षण करने के लिए लागू किया जाएगा । अंशांकन वक्रों भी वक्र गुणांक या DC आवृत्तियों पर निर्धारित खुराक से बनाया जा सकता है । सबसे सटीक खुराक का अनुमान है बाहर कम गुणवत्ता छवियों और झूठी सकारात्मक dc (एफपीएस) को छानने से प्राप्त कर रहे हैं । प्रत्येक नमूने के भीतर इष्टतम छवि सबसेट का चयन ‘ छवि चयन मॉडल ‘ है कि subpar छवियों जो एफपीएस परिचय देते है को खत्म करने का उपयोग कर पूरा किया है । पूर्व मान्य मॉडलों की एक श्रृंखला सॉफ्टवेयर के साथ शामिल किए गए हैं, लेकिन अनुकूलित थ्रेसहोल्ड और फिल्टर के साथ अतिरिक्त मॉडल उपयोगकर्ता द्वारा बनाया और बचाया जा सकता है.

सॉफ़्टवेयर सफलतापूर्वक लोड होने के बाद, मुख्य ग्राफ़िकल यूज़र इंटरफ़ेस (GUI) प्रस्तुत किया जाता है ( चित्र 1देखें) । इस अंतरफलक से, नमूने, metaphase सेल छवि फ़ाइलों का एक फ़ोल्डर से मिलकर, चयनित और dc की पहचान करने के लिए संसाधित किया जा सकता है, अंशांकन घटता बनाया जा सकता है और तुलना, और नमूनों की विकिरण जोखिम खुराक निर्धारित किया जा सकता है.

चित्र 1: ग्राफिकल यूजर इंटरफेस के प्रमुख क्षेत्रों में शामिल हैं: नमूनों की एक सूची (1), अंशांकन curves की एक सूची (2), प्रक्रिया कतार (3), जो प्रत्येक नमूने की छवियों के प्रत्येक सेट में डीसी का पता लगाने की स्थिति पर नज़र रखता है, एक भूखंड प्रदर्शन (4), जो नमूनों या अंशांकन घटता में छवियों का एक सेट के सांख्यिकीय या अन्य मात्रात्मक गुणों का सार है, और एक कंसोल (5) जो प्रोग्राम द्वारा की गई प्रत्येक कार्रवाई के outputs के रूप में वर्णनात्मक पाठ होता है. कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।

Protocol

1. आयात और प्रक्रिया नमूने क्लिक & #39; samples & #39; मेनू पट्टी में और select & #39; नया नमूना & #39; . metaphase छवियों का एक समूह युक्त एक उपयुक्त निर्देशिका के लिए ब्राउज़ करें और क्लिक & #39; फ़ोल्डर का चयन करें & #39; . & #39 के भीतर नमूने के लिए एक अद्वितीय id टाइप करें; नए नमूना & #39; पाठ फ़ील्ड के लिए कोई अनंय id निर्दिष्ट करना । इस आईडी से कार्यक्षेत्र में नमूने की पहचान होगी । नमूना IDs में अल्फ़ांयूमेरिक, & #39; _ & #39;, या & #39;-& #39; वर्ण ही होना चाहिए । नमूना आईडी में स्रोत प्रयोगशाला और भौतिक खुराक (अंशांकन नमूनों के लिए) का समावेश जाना जाता है. (ऐच्छिक) नमूने का विवरण प्रदान करें यदि वांछित & #39;D escription के भीतर नमूना (ऐच्छिक) & #39; पाठ क्षेत्र. Click & #39; OK & #39; नए नमूने को कार्यस्थान में जोड़ने के लिए । चरण १.१ के माध्यम से १.४ अतिरिक्त नमूने जोड़ने के लिए दोहराएँ । 3 अंशांकन नमूनों की एक ंयूनतम बनाएं (सात या अधिक 3 ) अलग जोखिम और खुराक अनुमान करने के लिए कम से कम एक परीक्षण नमूना. १.१ के माध्यम से चरणों में बनाए गए सभी नमूनों को & #39; samples & #39; सूची और क्लिक करें & #39; नमूना (s) को संसाधित करने के लिए जोड़ें कतार & #39; (< img alt = "ग्राफिक 5" src = "/files/ftp_upload/56245/56245img5.jpg"/ चिह्न. Click & #39;P rocess सभी नमूनों में कतार & #39; () चिह्न सभी नमूनों को क्रमिक रूप से संसाधित करने के लिए कतार के भीतर-आण & #39; ADCI प्रोसेसिंग & #39; संवाद एक प्रगति पट्टी के साथ साथ कतार में सभी नमूनों से युक्त दिखाई देता है । सभी नमूनों की प्रक्रिया पूर्ण होने पर, < img alt = "ग्राफ़िक 9" src = "/files/ftp_upload/56245/56245img9.jpg"/ अब नमूने सहेजें, या क्लिक करें & #39; कोई ADCI नमूना फ़ाइल के लिए कोई संसाधित नमूना सहेजें & #39; () चिह्न बाद में एक संसाधित नमूना सहेजने के लिए ।

2. देखने और छवियों का चयन (वैकल्पिक, अनुशंसित कदम)

नोट: यह चरण Metaphase छवि व्यूअर के उपयोग और छवि चयन मॉडल के निर्माण का वर्णन करता है. कुछ मान्य छवि चयन मॉडल अंशांकन वक्र पीढ़ी और खुराक अनुमान में इस्तेमाल किया जा सकता है जो सॉफ्टवेयर के साथ शामिल किए गए हैं. इस प्रकार, इस कदम की आवश्यकता नहीं है, लेकिन यह एक ऐसा करने के लिए आवश्यक कदम का वर्णन गाइड के रूप में इस्तेमाल किया जा सकता है अगर वांछित । के भीतर एक नमूना हाइलाइट करें & #39; samples & #39; सूची, क्लिक & #39; samples & #39; मेनू पट्टी में, और select & #39; इमेज व्यू & #39; खोलने के & #39; Metaphase image Viewer & #39; . छवियों के बीच नेविगेट करना कोई विशिष्ट छवि देखने के लिए ड्रॉपडाउन बॉक्स से किसी छवि का चयन करें । छवियों के माध्यम से स्क्रॉल करने के लिए बाएं और दाएं तीर चिह्न क्लिक करें । एक SVM सिग्मा मान ड्रॉपडाउन बॉक्स से उस सिग्मा मान पर DC खोज परिणामों को देखने के लिए का चयन करें । चय & #34; अनप्रोसेस्ड & #34; ड्रॉपडाउन बॉक्स से गुणसूत्र रूपरेखा के बिना कच्चे छवियों को देखने के लिए । चेक द & #39; पलटन & #39; रंग और छवि में प्रत्येक पिक्सेल के लिए चमक मानों को पलटने के लिए चेकबॉक्स । चेक द & #39; इमेज इन वाच लिस्ट & #39; बॉक्स में दृश्यमान छवि को जोड़ने के लिए & #39; वाच लिस्ट & #39; . Click & #39; वॉच सूची को किसी पाठ फ़ाइल में सहेजें & #39; () चिह्न दृश्य सूची में सभी छवियों के नामों को किसी पाठ फ़ाइल में सहेजने के लिए. इमेज सेलेक्शन मॉडल्स Click & #39; सभी छवियां देखें & #39; (डिफ़ॉल्ट चयन) छवि चयन ड्रॉपडाउन बॉक्स में सभी छवियां शामिल करने के लिए । & #39 के निकटवर्ती पाठ का अवलोकन करें; छवियां शामिल & #39; वर्तमान में लागू किए गए छवि चयन मॉडल द्वारा चयनित छवियों के अंश को खोजने के लिए । क्लिक & #39; दृश्य शामिल images & #39; केवल इन छवियों को शामिल करने के लिए जो ड्रॉप डाउन बॉक्स में छवि चयन मॉडल द्वारा नहीं छोड़ा गया है । Click & #39; दृश्य छोड़े गए छवियां & #39; छवियां शामिल करने के लिए जो ड्रॉपडाउन बॉक्स में लागू किए गए छवि चयन मॉडल द्वारा छोड़ दी गई हैं । चेक द & #39; निए & #39; एकल छवि को मैंयुअल रूप से शामिल करने के लिए चेकबॉक्स । नोट: एक छवि चयन मॉडल बाद में लागू किया जाता है, तो मैन्युअल रूप से छोड़ी गई छवियाँ चयनित छवि सेट करने के लिए पुनर्स्थापित कर रहे हैं । & #39; save select & #39; बटन पर क्लिक करके छवियों का चयन सहेजें । संकेत मिलने पर सहेजे गए चयन के लिए कोई फ़ाइल नाम दर्ज करें । Click & #39; लोड चयन & #39; पहले से सहेजे गए चयन को लागू करने के लिए । Click & #39; छवि फ़िल्टर्स लागू करें & #39; खोलने के लिए & #39; फ़िल्टर-आधारित छवि चयन मॉडल को वर्तमान नमूना & #39; संवाद, जो बनाता है, सहेजता है या किसी नमूने में metaphase छवियों का चयन करने के लिए मापदंड लागू करता है लागू करें । सूची से एक छवि चयन मॉडल का चयन करें । Click & #39; ok & #39; वर्तमान मॉडल लागू करने के लिए । एक वांछित नए मॉडल के लिए एक विवरण दर्ज करें, परिभाषित & #39; छवि बहिष्करण फ़िल्टर & #39; , परिभाषित & #39; इमेज रैंकिंग और समावेश & #39; , और क्लिक करें & #39; सहेजें चयन मॉडल & #39; एक छवि बनाने के लिए चयन मॉडल. नोट: & #39 की परिभाषाएँ; इमेज रैंकिंग और समावेशन & #39; तरीके और प्रत्येक & #39; छवि बहिष्करण फ़िल्टर & #39; सॉफ्टवेयर ऑनलाइन प्रलेखन में पाया जा सकता १४ .

3. वक्र जनरेशन (अनुशंसित वैकल्पिक चरण) वक्र अंशांकन विज़ार्ड सुनिश्चित करें कि आगे बढ़ने से पहले कार्यस्थान में न्यूनतम तीन अंशांकन नमूने मौजूद हैं । Click & #39; विजार्ड्स & #39; मेनू पट्टी में और select & #39; वक्र अंशांकन & #39; वक्र अंशांकन विज़ार्ड खोलने के लिए । नोट: हालांकि केवल तीन नमूने गणितीय फिट और एक अंशांकन वक्र की गणना करने के लिए आवश्यक हैं, सात या अधिक नमूने 0 और 5 Gy के बीच जोखिम की एक श्रेणी फैले अनुशंसित हैं । अतिरिक्त नमूने एक रैखिक-द्विघात खुराक प्रतिक्रिया करने के लिए अंशांकन वक्र फिट करने के लिए आवश्यक हैं, हालांकि इष्टतम सिग्मा मान कम खुराक अनुमान के लिए प्रयोग करने योग्य हैं घटता प्राप्त करने के लिए कम हो सकता है (& #60; 1 Gy); इस थ्रेशोल्ड के ऊपर खुराक के लिए इष्टतम सिग्मा मान भिन्न हैं (चरण 3.1.4 को देखें). परिचयात्मक जादूगर स्क्रीन के माध्यम से आगे बढ़ना है और प्रत्येक वांछित अंशांकन नमूना बगल में एक चेकमार्क जगह है । इस तरह से चयनित प्रत्येक अंशांकन नमूने के लिए, भौतिक खुराक निर्दिष्ट (Gy में) नमूना अपने निकटवर्ती पाठ क्षेत्र के भीतर से अवगत कराया गया था. अगली विज़ार्ड स्क्रीन पर जारी रखें । किसी भी मैन्युअल रूप से बनाया मॉडल के अलावा सॉफ्टवेयर के साथ बंडल पूर्व निर्धारित छवि चयन मॉडल युक्त मॉडल की सूची से वांछित अगर एक छवि चयन मॉडल का चयन करें. अगली विज़ार्ड स्क्रीन पर जारी रखें । ड्रॉपडाउन बॉक्स से एक SVM सिग्मा मान का चयन करें । अगली विज़ार्ड स्क्रीन पर जारी रखें . नोट: एक SVM सिग्मा मान १.४ या १.५ के लिए अनुशंसा की जाती है खुराक अनुमान & #62; 1 Gy, और 1 के नीचे अनुमान के लिए १.० का मान Gy ( चित्रा २ ). सारांश स्क्रीन पर सभी पिछले चयन की समीक्षा करें और क्लिक & #39; समाप्त & #39; विज़ार्ड पूर्ण करने के लिए, किसी पॉप्युलेट के कारणed & #39; एक वक्र & बनाएं #39; संवाद प्रकट करने के लिए ।

चित्रा 2: SVM सिग्मा मान को बदलने के प्रभाव का दृश्य सही सकारात्मक (टी. पी.) और झूठी सकारात्मक (FP) डीसी गिनती, सकारात्मक पूर्वानुमान Calue (PPV), और सच सकारात्मक दर (TPR) पर एल्गोरिथ्म से । इस फिगर का बड़ा वर्जन देखने के लिए यहां क्लिक करें । वक्र संवाद बनाएं । (विज़ार्ड का उपयोग किया गया था, तो यह चरण छोड़ें) क्लिक करें & #39; घटता & #39; मेनू पट्टी में और select & #39; नया वक्र & #39; . चुन & #39; खुराक के लिए फिटिंग वक्र-प्रतिक्रिया डेटा & #39; संवाद के भीतर प्रस्तुत ड्रॉपडाउन बॉक्स से और क्लिक करें & #39; OK & #39; . में वक्र के लिए कोई अनंय पहचान निर्दिष्ट करें & #39; नए वक्र & #39 के लिए कोई अनंय पहचान निर्दिष्ट करें; पाठ बॉक्स भीतर & #39; वक्र & बनाएं #39; संवाद. (वैकल्पिक) & #39 के भीतर नए वक्र के लिए कोई वर्णन लिखें; वक्र बनाए जाने के लिए एक संक्षिप्त विवरण जोड़ें & #39; पाठ बॉक्स. (वक्र विज़ार्ड एक अंशांकन वक्र बनाने के लिए उपयोग किया गया था, तो निंन चरणों को छोड़ दें) वक्र मान सेट करें । नोट: चरण ३.१ में वर्णित वक्र अंशांकन विज़ार्ड & #39 में फ़ील्ड्स को पॉप्युलेट करते हैं; कोई वक्र & बनाएं #39; संवाद । नीचे दिए गए चरणों का वर्णन कैसे मैंयुअल रूप से इन फ़ील्ड्स को पॉप्युलेट करने के लिए । यदि विज़ार्ड का उपयोग किया गया था, तो नीचे कुछ चरण अभी भी यदि चाहें, तो अतिरिक्त डेटा जोड़ने या निकालने के लिए अनुसरण किया जा सकता है । में विकल्पों में से एक SVM सिग्मा मान का चयन करें & #39; SVM & #39; ड्रॉपडाउन बॉक्स-यह अत्यधिक की सिफारिश की है कि सिग्मा मूल्य यहां चुना सिग्मा मूल्य खुराक आकलन करने के लिए इस वक्र का उपयोग करते समय चुना मैच. (वैकल्पिक) क्लिक करके कोई छवि चयन मॉडल निर्दिष्ट करें & #39; फ़ाइल निर्दिष्ट करें & #39; बटन. Click & #39; इनपुट & #39; एक नई रिक्त प्रविष्टि को जोड़ने के लिए खुराक-प्रतिक्रिया सूची के नीचे शीर्ष & #39; वक्र बनाने के लिए इनपुट उत्तर-खुराक डेटा & #39;. के तहत Gy में एक अंशांकन नमूना की खुराक दर्ज करें हेडिंग & #39;D ose & #39; . लिहा & #39; प्रतिसाद (DC/कक्ष) & #39; नमूना आउटपुट से एक नमूना हाइलाइट किया गया है जब कंसोल के भीतर आरेखित किया गया है । कंसोल या संबंधित नमूना रिपोर्ट (चरण ५.१, यदि उपलब्ध हो) में पहले से चयनित SVM सिग्मा मान के लिए उपयुक्त DC/कक्ष मान की स्थिति जानें और इसे इस फ़ील्ड में दर्ज करें । सभी अंशांकन नमूने को जोड़ा गया है जब तक कि पिछले तीन चरणों को दोहराएँ । प्रेस & #39; मांय डेटा & #39; प्रतिसाद-खुराक सूची की सामग्री सुनिश्चित करने के लिए सही रूप से स्वरूपित किया गया है & #8211; सत्यापित करें कि प्रतिसाद-खुराक सूची में सभी फ़ील्ड्स मान्य डेटा का संकेत हरा हाइलाइट किए गए हैं । प्रेस & #39; ओके & #39; वक्र के निर्माण को अंतिम रूप देने के लिए । & #39 में नई वक्र को सहेजने के लिए; वक्र सहेजें? & #39; संवाद जो दबाने पर प्रतीत होता है & #39; ओके & #39; . या & #39 पर क्लिक करें; वक्र को किसी ADCI वक्र फ़ाइल में सहेजें & #39; () चिह्न हाइलाइट के भीतर & #39; घटता & #39; यादी पुढे.

4. खुराक आकलन (अनुशंसित वैकल्पिक चरण) खुराक अनुमान जादूगर Click & #39; विजार्ड्स & #39; मेनू पट्टी और select & #39;D ose अनुमान & #39; . परिचयात्मक जादूगर स्क्रीन के माध्यम से आगे बढ़ना और ड्रॉपडाउन बॉक्स से एक पहले से बनाया अंशांकन वक्र का चयन करें-इसके गुण नीचे दिखाई देगा । अगली विज़ार्ड स्क्रीन पर जारी रखें । जगह अज्ञात जोखिम के परीक्षण के नमूने के पास एक चेकमार्क उंहें खुराक अनुमान में शामिल हैं । अगली विज़ार्ड स्क्रीन पर जारी रखें । वर्णन और अंशांकन वक्र पीढ़ी के दौरान लागू की गई छवि चयन मॉडल के गुणों का पालन करें । निरीक्षण है कि एक ही छवि चयन मॉडल चयनित परीक्षण नमूनों के लिए लागू किया जाता है । अगली विज़ार्ड स्क्रीन पर जारी रखें । नोट: छवि चयन मॉडल के विवरण के नीचे, एक ही मॉडल की आबादी है और चयन परीक्षण नमूनों के लिए लागू किया जाएगा । अंशांकन और परीक्षण नमूनों के लिए एक ही छवि चयन मॉडल लागू करें । यह ड्रॉपडाउन से एक अलग मॉडल का चयन करके अलग छवि चयन मॉडल लागू करने के लिए संभव है, यह अनुशंसित नहीं है. ड्रॉपडाउन से एक SVM सिग्मा मान का चयन करें । अगली विज़ार्ड स्क्रीन पर जारी रखें । नोट: अंशांकन वक्र जनरेशन के दौरान उपयोग किया गया SVM सिग्मा मान पॉपुलेटेड है । यह अनुशंसित है कि यह मान अपरिवर्तित रहेगा । सारांश स्क्रीन पर पिछले चयनों की समीक्षा करें और क्लिक & #39; समाप्त & #39; विज़ार्ड पूर्ण करने के लिए-a populated & #39;D ose कैलकुलेटर & #39; डायलॉग दिखाई देगा । गुनी कैलकुलेटर (यदि विज़ार्ड का उपयोग किया गया था, तो यह चरण छोड़ें) शीर्ष & #39 के अंतर्गत वक्रों की सूची से एक अंशांकन वक्र हाइलाइट करें; curves & #39;, क्लिक & #39; घटता & #39; मेनू पट्टी में, और का चयन करें & #39; गणना गुनी & #39; खोलने के & #39;D ose कैलकुलेटर & #39; डायलॉग. (विज़ार्ड का उपयोग किया गया था, तो इन चरणों को छोड़) खुराक अनुमान के लिए मान सेट करें. नोट: चरण ४.१ में वर्णित खुराक अनुमान विज़ार्ड में फ़ील्ड को पॉप्युलेट & #39;D ose कैलकुलेटर & #39; संवाद. नीचे दिए गए चरणों का वर्णन कैसे मैंयुअल रूप से इन फ़ील्ड्स को पॉप्युलेट करने के लिए । यदि विज़ार्ड का उपयोग किया गया था, तो नीचे कुछ चरण अभी भी यदि चाहें, तो अतिरिक्त डेटा जोड़ने या निकालने के लिए अनुसरण किया जा सकता है । Click & #39; का उपयोग करें (s) DC को भरने के लिए कार्यस्थान में आवृत्तियों & #39; () चिह्न और परीक्षण नमूनों को हाइलाइट करें & #39; में प्रोसेस्ड नमूनों को ADCI कार्यक्षेत्र & #39; चयनित नमूनों को जोड़ने के लिए सूची & #39; डीसी आवृत्तियों के लिए खुराक अनुमान & #39; list. ड्रॉपडाउन बक्से से इन नमूनों के लिए एक SVM सिग्मा मूल्य और छवि चयन मॉडल का चयन करें. नोट: एक SVM सिग्मा मान अंशांकन वक्र जनरेशन में उपयोग किया गया सिग्मा मान से मेल खाती सटीक खुराक अनुमान के लिए आवश्यक है । अंशांकन वक्र के साथ संबद्ध सिग्मा मान के नीचे सूचीबद्ध है & #39;D ose कैलकुलेटर & #39; संवाद. (वैकल्पिक) पिछले दो चरणों को दोहराते हुए अतिरिक्त परीक्षण नमूने जोड़ें । वैकल्पिक रूप से, कई नमूनों को एक साथ जोड़कर एक साथ एकाधिक नमूनों को हाइलाइट करके & #39;P कार्यक्षेत्र में rocessed नमूने & #39; list. (ऐच्छिक) क्लिक & #39; इनपुट a DC आवृत्ति मान & #39; () आइकन मैन्युअल रूप से एक डी दर्ज करने के लिएc आवृत्ति यदि वांछित किसी भी नमूने के साथ संबद्ध नहीं-नई डीसी आवृत्ति & #39 के लिए जोड़ दिया जाएगा;D सी वाकया के लिए खुराक अनुमान & #39; list. (ऐच्छिक) डबल क्लिक & #39; name & #39; फ़ील्ड का नाम संशोधित करने के लिए मैंयुअल रूप से दर्ज DC आवृत्ति । (ऐच्छिक) उपयुक्त नमूनों पर प्रकाश डाला और क्लिक करें & #39; निकालें DC आवृत्ति & #39; () चिह्न उन नमूनों को निकालने के लिए जो & #39;D c में जोड़ा गया है गुनी आंकलन के लिए वाकया & #39; error. में सूची Click & #39; ओके & #39; बंद & #39;D ose कैलकुलेटर & #39; और खुराक आकलन प्रदर्शन-परिणाम सांत्वना के लिए उत्पादन कर रहे हैं. के रूप में खुराक अनुमान परिणाम कंसोल में तालिका स्वरूप में प्रत्येक परीक्षण नमूने के लिए प्रदर्शित किए जाते हैं, पुण्यतिथि & #39;D c कव & #39; , & #39; SVM & #39; , & #39; अनुमानित गुनी & #39; (इसमें अनुमानित Gy में परीक्षण नमूना की जैविक खुराक), और & #39; एप्लाइड इमेज सेलेक्शन मॉडल & #39; फिल्ड.

5. रिपोर्टिंग

नोट: किसी रिपोर्ट को नाम देने के लिए उपयोग की गई विधि और किसी निर्देशिका का चयन करें जिसके भीतर यह सहेजा गया है सभी रिपोर्ट प्रकारों के लिए सामान्य है. एक & #39; रिपोर्ट का नाम & #39; करना होगा । रिपोर्ट जनरेट किया गया है, जब एक निर्देशिका जिसमें रिपोर्ट फ़ाइलें स्वचालित रूप से इस नाम का उपयोग कर बनाया जाएगा । इस निर्देशिका के भीतर रखा जाएगा & #39; रिपोर्ट फ़ोल्डर & #39; । डिफ़ॉल्ट रूप से, & #39; रिपोर्ट फ़ोल्डर & #39; नामक निर्देशिका है & #39; reports & #39; स्थापना के दौरान निर्दिष्ट डेटा निर्देशिका में पाया गया । नमुना रिपोर्ट Click & #39; रिपोर्ट & #39; मेन्यू बार में और select & #39; sample report & #39; खोलने के & #39; उत्पन्न नमूना रिपोर्ट & #39; संवाद. & #39; रिपोर्ट नाम & #39; पाठ फ़ील्ड में रिपोर्ट के लिए कोई नाम दर्ज करें । Click & #39; ब्राउज & #39; को संशोधित करने के & #39; रिपोर्ट फोल्डर & #39; यदि इि ֩ में उचित नमूनों के बगल में एक चेकमार्क रखकर रिपोर्ट में शामिल करने के लिए कम से एक संसाधित नमूने का चयन करें & #39; नमूनों का चयन & #39; list. में मानों का चयन करके dc वितरण प्लॉट जनरेट करने के लिए SVM सिग्मा मानों की कोई श्रेणी निर्दिष्ट करें & #39; मिन & #39; और & #39; मैक्स & #39; ड्रॉपडाउन बक्से के भीतर & #39;D istribution में dc का नमूना & #39; क्षेत्र । डीसी वितरण भूखंड को रिपोर्ट से बाहर निकालें & #39 को अनचेक करके वांछित है; & #39; चेक बॉक्स में & #39;D istribution में dc का नमूना & #39; क्षेत्र. में उचित भूखंडों को checkmarks रखकर रिपोर्ट में शामिल करने के लिए फ़िल्टरिंग आंकड़ों वाले भूखंडों को निर्दिष्ट करें & #39; चुनें भूखंड & #39; क्षेत्र । Click & #39; ओके & #39; रिपोर्ट जनरेट करने के लिए. वक्री रिपोर्ट Click & #39; रिपोर्ट & #39; मेनू पट्टी में और select & #39; वक्र रिपोर्ट & #39; खोलने के & #39; वक्र रिपोर्ट & #39; संवाद. & #39; रिपोर्ट नाम & #39; पाठ फ़ील्ड में रिपोर्ट के लिए कोई नाम दर्ज करें । Click & #39; ब्राउज & #39; संशोधित गर्न & #39; प्रतिवेदन फोल्डर & #39; यदि इि. & #39 में उपयुक्त वक्रों के बगल में रखकर रिपोर्ट में शामिल करने के लिए ंयूनतम एक वक्र का चयन करें; रिपोर्ट & #39; सूची में शामिल करने के लिए curves का चयन करें । Click & #39; ओके & #39; रिपोर्ट जनरेट करने के लिए. खुराक आकलन रिपोर्ट खंड 4 में वर्णित खुराक आकलन चरणों का पालन करें. नोट: प्लॉट और कंसोल क्षेत्रों में संकेत किए गए परिणामों से खुराक अनुमान रिपोर्ट जेनरेट की जाती है. इस प्रकार, एक खुराक अनुमान साजिश साजिश क्षेत्र में एक रिपोर्ट तैयार किया जाता है समय मौजूद होना चाहिए. Click & #39; रिपोर्ट & #39; मेनू बार में और select & #39;D ose estimation रिपोर्ट & #39; खोलने के लिए & #39; खुराक अनुमान रिपोर्ट जनरेट करें & #39; डायलॉग. & #39; रिपोर्ट नाम & #39; पाठ फ़ील्ड में रिपोर्ट के लिए कोई नाम दर्ज करें । Click & #39; ब्राउज & #39; संशोधित गर्न & #39; प्रतिवेदन फोल्डर & #39; यदि इि. क्लिक & #39; ओके & #39; रिपोर्ट जनरेट करने के लिए.

6. अंकेक्षण क्षमताएं

नोट: सॉफ़्टवेयर रिकॉर्ड सभी कार्रवाइयां लॉग फ़ाइल में एक सत्र के दौरान किए गए । कार्यक्रम एक गौण सॉफ्टवेयर अनुप्रयोग है कि लॉग इन फ़ाइलों को देखने के लिए सक्षम बनाता है, खोजा, एक विश्लेषण की अखंडता और कुछ उदाहरणों में मूल्यांकन, अपूर्ण या समय से पहले समाप्त सत्र से नमूना डेटा को ठीक करने के लिए इस्तेमाल किया प्रदान करता है । Click & #39; मदद & #39; मेनू पट्टी में और select & #39; दृ लॉग्स & #39; लॉग फ़ाइल व्यूअर पूरक सॉफ़्टवेयर को खोलने के लिए । सुनिश्चित करें कि लॉग फ़ाइलें विंडो के बाईं ओर पार्श्व पट्टी में सूचीबद्ध हैं । यदि कोई फ़ाइल दृश्यमान नहीं हैं, तो क्लिक करें & #39; फ़ाइल & #39; , चुन & #39; लॉग फ़ाइल निर्देशिका & #39; चयन करें, और लॉग फ़ाइलों वाली निर्देशिका के लिए ब्राउज़ । में लॉग फ़ाइल सामग्री को देखने के लिए साइडबार में एक log फाइल के नाम पर डबल-क्लिक करें & #39; Viewer & #39; tab. का चयन करें & #39; search & #39; टैब और इनपुट खोज शब्द एक या अधिक लॉग फ़ाइलों को खोजने के लिए । इनपुट खोज पैरामीटर अगर & #39 में वांछित; से & #39; , & #39; को & #39; , & #39; User & #39; , & #39; license & #39; , & #39; संचालन & #39; , व & #39; पैरामीटर्स & #39; फ़ील्ड्स. का चयन करने के लिए स्लाइडर का उपयोग करें & #39; प्रत्येक फ़ाइल के लिए अधिकतम खोज परिणाम & #39; . नोट: कुछ खोज पैरामीटर्स, जैसे उपयोगकर्ता नाम, प्रत्येक मेल खाते लॉग फ़ाइल में कई परिणाम लौटेगा । यह पैरामीटर प्रत्येक लॉग फ़ाइल में प्रदर्शित खोज परिणामों की संख्या को सीमित करता है । जगह एक चेकमार्क & #39; खोज केवल हाइलाइट की गई फ़ाइलें & #39; चेकबॉक्स (सभी लॉग फ़ाइलें डिफ़ॉल्ट रूप से खोजा है) और लॉग फ़ाइलों का केवल एक सबसेट खोज करने के लिए साइडबार में लॉग फ़ाइलें हाइलाइट करें । चेक द & #39;P erform वफ़ादारी चेक & #39; (डिफ़ॉल्ट रूप से सक्षम) चेकबॉक्स एक अप्रत्याशित सॉफ़्टवेयर समाप्ति से संबंधित त्रुटियों के लिए खोजा जा करने के लिए पात्र प्रत्येक लॉग फ़ाइल की जांच करने के लिए । Click & #39; कती & #39; लॉग फ़ाइलों को खोजने के लिए और विंडो के दाईं ओर खोज परिणामों पर गौर करें । क्लिक & #39; दृश्य लॉग फ़ाइल & #39; बटन को हाइलाइट करने के लिए किसी खोज परिणाम के सन्निकट और इंगित पंक्ति में देखने के लिए & #39; Viewer & #39; tab. लॉग फ़ाइल अखंडता मुद्दों क्लिक करें & #39; अखंडता & #39; टैब अक्षतता जाँच के दौरान पाई गई त्रुटियों को देखने के लिए (यदि जाँच का अनुरोध किया गया था). नोट: एक खोज अक्षतता समस्याओं के लिए लॉग फ़ाइलों का परीक्षण करने के लिए किया जाना चाहिए । एक के लिए लॉग फ़ाइलों को खोज के बिना एक अखंडता चेक करने के लिएy खोज शब्द, बस छोड़ सभी खोज पैरामीटर फ़ील्ड काले में & #39; कती & #39; tab, सुनिश्चित & #39;P erform वफ़ादारी चेक & #39; चेक किया गया है, और क्लिक & #39; कती & #39; । वफ़ादारी के मुद्दे पाए जाते हैं, तो & #39; सत्यनिष्ठा & #39; टैब पृष्ठभूमि रंग लाल हो जाएगा । अखंडता समस्याओं को हल (आउटपुट लॉग फ़ाइल द्वारा समूहीकृत है) जहां संभव हो । नोट: अखंडता समस्याओं को हल करने के लिए चरणों के बारे में अधिक जानकारी के लिए, ऑनलाइन दस्तावेज़ीकरण देखें १४ .

7. वक्र और खुराक आकलन सांख्यिकी विकल्प क्लिक & #39; settings & #39; मेनू पट्टी में और select & #39; सांख्यिकी विकल्प & #39; खोलने के लिए & #39; सांख्यिकी विकल्प & #39; डायलॉग. एक अंशांकन वक्र फिटिंग विधि का चयन करें (ंयूनतम वर्ग या अधिकतम संभावना) ड्रॉपडाउन बॉक्स से । जगह एक चेकमार्क & #39;D इसपलए अंशांकन वक्र ९५% सीआई, अगर लागू & #39; एक अंशांकन वक्र की साजिश रचने जब ९५% विश्वास अंतराल प्रदर्शित करने के लिए । जगह एक चेकमार्क के पास & #39;D ose estimation की गणना ९५% सीआई के कारण Poisson & #39; की गणना करने के लिए ९५% विश्वास की सीमा के आधार पर खुराक अनुमान डीसी यील्ड के Poisson प्रकृति पर आधारित. जगह एक चेकमार्क पास & #39;D ose आकलन वक्र के कारण ९५% सीआई की गणना करता है, यदि लागू & #39; अंशांकन वक्र से संबंधित अनिश्चितता के आधार पर खुराक अनुमान पर ९५% विश्वास सीमा की गणना करने के लिए ।

Representative Results

सॉफ्टवेयर का परीक्षण metaphase गुणसूत्र छवि एचसी और CNL से प्राप्त आंकड़ों के साथ किया गया था । रक्त के नमूने एक XRAD-३२० यूनिट (२५० केवी एक्स-रे, १२.५ mA, 2mm अल निस्पंदन, खुराक दर: ०.९२ या १.७ Gy/कोर्ट में एक आयन चैंबर के साथ नपे और दोनों प्रयोगशालाओं में संसाधित द्वारा विकिरणित थे । परिधीय रक्त लिम्फोसाइट नमूनों को प्रसंस्कृत, तय किया गया, और प्रत्येक सुविधा पर दाग स्थापित प्रोटोकॉल के अनुसार3,15। Giemsa से Metaphase छवियों-सना हुआ स्लाइड एक स्वचालित माइक्रोस्कोपी प्रणाली का उपयोग कर प्रत्येक प्रयोगशाला द्वारा स्वतंत्र रूप से कब्जा कर लिया गया. प्रत्येक प्रयोगशाला में विशेषज्ञों ने इन नमूनों में से कई में स्वयं dc बनाए, अपने अंशांकन curves का निर्माण किया और अज्ञात जोखिम के परीक्षण नमूनों की अनुमानित खुराक. तालिका 1 में इन डेटासेट का विस्तृत विवरण दिया गया है । शारीरिक खुराक उद्देश्य HC की तैयारी CNL तयारी संदर्भित नाम # images संदर्भित नाम # images 0 Gy अंशांकन HC0Gy ७३१ CNL0Gy ७९८ ०.१ Gy अंशांकन HC01Gy २१६२ ना ना ०.२५ Gy अंशांकन HC025Gy १८२६ ना ना ०.५ Gy अंशांकन HC05Gy १०५४ CNL05Gy १५३२ ०.७५ Gy अंशांकन HC075Gy १२३३ ना ना 1 Gy अंशांकन HC1Gy १५६६ CNL1Gy ८४१ 2 Gy अंशांकन HC2Gy ११४७ CNL2Gy ९९६ 3 Gy अंशांकन HC3Gy १२१२ CNL3Gy ११८८ 4 Gy अंशांकन HC4Gy ९०९ CNL4Gy १६३५ 5 Gy अंशांकन HC5Gy १०१९ ना ना ३.१ Gy टेस्ट HCS01 ५४० CNLS01 ५०० २.३ Gy टेस्ट HCS08 ६३७ CNLS08 ५०० १.४ Gy टेस्ट HCS10 ७०८ ना ना १.८ Gy टेस्ट HCS04 ६०० CNLS04 ९५७ २.८ Gy टेस्ट HCS05 ११३६ CNLS05 १५२७ ३.४ Gy टेस्ट HCS07 ४७७ CNLS07 ७३५ तालिका 1: सॉफ्टवेयर के मूल्यांकन के लिए एचसी और CNL द्वारा प्रदत्त छवि आंकड़ों के स्रोत ।फ़ुटनोट: Rogan एट अल., २०१६4में तालिका 1 से संशोधित । केवल मैन्युअल रूप से चयनित छवियों CNL से पहले हमारे लिए उपलब्ध थे. अनफ़िल्टर्ड छवियां उपलब्ध हो गई है और छवि गणना तदनुसार अद्यतन की जाती हैं । इसके अतिरिक्त, नए अधिग्रहण एचसी नमूने (0.25 gy, 0.75 gy, और 5Gy) यहां प्रस्तुत कर रहे हैं । नमूनों में स्वचालित छवि चयन छवि गुणवत्ता dc विश्लेषण में dc डिटेक्शन को सही करने के लिए महत्वपूर्ण है । सितोगेनिक विशेषज्ञों द्वारा छवि चयन आमतौर पर पारंपरिक डीसी विश्लेषण में मैंयुअल रूप से किया जाता है । ADCI स्वचालित रूप से DC आवृत्ति परिकलन16से पहले छवियों का चयन करने के लिए मात्रात्मक छवि मापदंड का उपयोग करता है । उपयोगकर्ताओं को या तो विशिष्ट गुणसूत्र morphologies और/या वस्तुओं की लंबाई के सापेक्ष अनुपात एक सामांय मानव कैरयोटाइप में गुणसूत्रों के सितोगेनिक-परिभाषित समूहों के ज्ञात लंबाई के अनुसार के आधार पर चित्र बाहर फ़िल्टर कर सकते है (अवधि समूह-बिन दूरी विधि) । उपलब्ध रूपात्मक फ़िल्टर स्केल-अपरिवर्तनीय थ्रेशोल्ड का उपयोग अपूर्ण गुणसूत्र सेट के साथ सेल छवियों को अस्वीकार करने के लिए या कई metaphases के साथ, prometaphase गुणसूत्रों के साथ, प्रमुख बहन chromatid पृथक्करण के साथ, अत्यधिक तुला और मुड़ के साथ गुणसूत्रों, वस्तुओं है कि चिकनी बरकरार नाभिक की विशेषता आकृति के साथ, और उन में जो कम वस्तुओं गुणसूत्रों के रूप में मांयता प्राप्त है । चित्र 3 (a) और (b) चयनित चित्रों के उदाहरण दिखाते हैं, जबकि चित्रा 3 (c) और (d) उन चित्रों के उदाहरण है जो सॉफ़्टवेयर द्वारा फ़िल्टर किए जाते हैं । इन छवियों नमूना HCS05 से प्राप्त कर रहे हैं (1 तालिका में वर्णित), और पूर्वनिर्धारित छवि चयन मॉडल है जो समूह बिन दूरी से सभी छवियों को रैंकों द्वारा चयनित हैं, तो सबसे अच्छा २५० छवियों का चयन करता है. चित्रा 3 (ए) में गुणसूत्रों, (ख) अच्छी तरह से अलग हैं, और संतोषजनक आकृति विज्ञान का प्रदर्शन. चित्र 3 (ग) छा गुणसूत्र समूहों की अत्यधिक संख्या में शामिल हैं । चित्र 3 (घ) गंभीर बहन chromatid जुदाई दिखाता है । सिस्टर chromatids गुणसूत्रों में से कम से 8 के लिए पूरी तरह से अलग हैं और अन्य गुणसूत्रों के अधिकांश में centromeric कसना अस्पष्ट है । चित्रा 3: नमूना HCS05 में Metaphase छवियों के उदाहरण (आवर्धन: 63X), दोनों अचयनित और मॉडल द्वारा चयनित ‘ समूह बिन दूरी, शीर्ष २५० छवियाँ ‘. (A) और (B) चयनित छवियां हैं । (ग) और (घ) ऐसे चित्र हैं, जिनका मॉडल द्वारा सफाया कर दिया गया है. (ग) बाहर रखा गया था क्योंकि यह बहुत अतिव्यापी गुणसूत्रों निहित है और (घ) अलग बहन chromatids की अत्यधिक संख्या थी । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए । इन छवि चयन मॉडल लागू करने के प्रभाव एक नमूना में डीसी का पता लगाने के विश्वास के स्तर का परीक्षण करके स्पष्ट है. एक विकिरणित नमूना से कक्षों की जनसंख्या में dc की आवृत्तियों Poisson वितरण का पालन करें । ची-स्क्वायर अच्छाई की-फिट परीक्षण Poisson वितरण के लिए अपेक्षित फिट करने के लिए मनाया डीसी आवृत्ति वितरण की तुलना करता है । मॉडल है कि ठीक से फ़िल्टर नमूना डेटा प्रदर्शन डीसी आवृत्तियों अपेक्षित Poisson व्युत्पंन मूल्यों से काफी अलग नहीं है (आम तौर पर महत्व स्तर & #62; ०.०१) । चित्र 4 DC आवृत्तियों को प्रदर्शित करता है और इसी से सभी छवियों के HC4Gy नमूने के लिए Poisson वितरण करने के लिए फ़िट हो जाता है बनाम केवल “समूह बिन दूरी, शीर्ष २५० छवियां” मॉडल द्वारा चयनित छवियां । चित्र 4 (ख) Poisson वितरण के लिए एक बेहतर फिट दिखाता है । को पी-छवियों के फ़िल्टर किए गए सेट का मान (०.३६) उल्लेखनीयतया चित्रा 4 (a) में अनफ़िल्टर्ड DC वितरण से अधिक है । या तो 5% या 1% माहात्म्य स्तरों पर, आरेख 4 (a) में अनफ़िल्टर्ड नमूना कम विश्वसनीय होता है, क्योंकि इसमें कम गुणवत्ता वाले dc डेटा होते हैं, क्योंकि dc के Poisson बंटन की नल परिकल्पना अस्वीकृत कर दी जाती है । चित्र 4: आनुपातिक डीसी आवृत्तियों के स्क्रीनशॉट सॉफ्टवेयर में नमूना HC4Gy के Poisson Dstributions के लिए फिट. (क) सभी छवियों को शामिल कर रहे हैं, (ख) केवल मॉडल द्वारा चयनित छवियों (समूह बिन दूरी, शीर्ष २५० छवियों) शामिल किए गए हैं. लीजेंड (ऊपर सही) Poisson वितरण करने के लिए फिट के आंकड़े को इंगित करता है (फैलाव सूचकांक, ंयू टेस्ट, और लैंब्डा) और ची फिट टेस्ट (पी मूल्य) के वर्ग अच्छाई इस आंकड़े का एक बड़ा संस्करण को देखने के लिए यहां क्लिक करें. Dicentric गुणसूत्र (डीसी) का पता लगाने सटीक डीसी का पता लगाने ADCI की महत्वपूर्ण शर्त आवश्यकता है । dc का सही तरीके से पता लगाया और सॉफ़्टवेयर द्वारा छूटे गए लोगों को क्रमशः ट्रू धनात्मक (टीपीएस) और false ऋणात्मक (FNs) के रूप में परिभाषित किया जाता है । वे ऑब्जेक्ट जो dc नहीं हैं, लेकिन गलत रूप से dc के रूप में पाया, गलत धनात्मक (एफपीएस) के रूप में संदर्भित हैं । एफपीएस मोनसेंट्रिक गुणसूत्रों, गुणसूत्र टुकड़े, अलग बहन chromatids, छा गुणसूत्र समूहों, और गैर गुणसूत्र वस्तुओं में शामिल हैं । चित्रा 5 दो metaphase छवियों में डीसी का पता लगाने के परिणाम से पता चलता है. ऑब्जेक्ट्स 1 और 3 टीपीएस हैं, जबकि ऑब्जेक्ट 4 में एक FP दो अलग मोनसेंट्रिक गुणसूत्रों शामिल है उनके छोटे हथियारों के साथ । चित्रा 5 (a) में, ऑब्जेक्ट 2 मूल रूप से एक fp था, लेकिन बाद में सॉफ़्टवेयर में fp फ़िल्टर द्वारा ठीक किया गया । ऑब्जेक्ट 5 और ऑब्जेक्ट 6 चित्रा 5 (b) में FNs की संभावना उदाहरण हैं । चित्र 5: स्क्रीनशॉट संभावित dc के Metaphase गुणसूत्र वर्गीकरण का संकेत देते हैं. (A) नमूना CNL1Gy में एक छवि (आवर्धन: 63X) 1 TP, ऑब्जेक्ट “1” दिखा रहा है; और 1 सही एफ पी, वस्तु “2” । (B) नमूना CNL4Gy में एक छवि (आवर्धन: 63X) 1 TP, ऑब्जेक्ट “3” दिखा रहा है; 1 FP, ऑब्जेक्ट “4”; और 2 संभावित FNs, “5” और “6” वस्तुओं । टीपीएस, सही एफपीएस, सामान्य मोनसेंट्रिक, और unवर्गीकृत गुणसूत्रों क्रमशः लाल, पीले, हरे और नीले रंग की आकृति के साथ रेखांकित कर रहे हैं । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए । खुराक परीक्षण के नमूनों का आकलन ADCI विश्लेषण के अंतिम परिणाम अंशांकन curves से आस्थगित नमूनों की खुराक का अनुमान है । तालिका 1 में परीक्षण नमूनों के लिए सॉफ़्टवेयर द्वारा किए गए खुराक अनुमान तालिकाओं 2 और 3में दर्शाया गया है । तुलना के लिए, शारीरिक विकिरण खुराक उत्सर्जित और मैनुअल नमूने के लिए HC में विशेषज्ञों द्वारा खुराक रन बनाए HCS01, HCS08 और HCS10 संकेत कर रहे हैं. इसी तरह, शारीरिक और मैनुअल CNL विशेषज्ञों द्वारा खुराक बनाए CNLS04, CNLS05 और CNLS07 के लिए दिखाए जाते हैं । चित्रा 6 स्वास्थ्य कनाडा biodosimetry प्रयोगशाला नमूनों HCS01, HCS08, HCS10, HCS04, HCS05 और HCS07 के लिए विकिरण की खुराक के अनुमान के साथ अंशांकन curves दर्शाता है । अंशांकन वक्र नमूने HC0Gy, HC1Gy, HC2Gy, HC3Gy और HC4Gy का उपयोग कर उत्पन्न होता है । 3 Z-स्कोर-आधारित फिल्टर + “समूह बिन दूरी, शीर्ष २५० छवियों” सभी नमूनों के लिए लागू किया जाता है युक्त छवि चयन मॉडल. संबंधित सांख्यिकीय विश्लेषण के साथ खुराक अनुमान तालिका 2में दिखाए जाते हैं । चित्र 6: HC परीक्षण नमूनों की खुराक अनुमान के स्क्रीनशॉट. काले चौकों अंशांकन नमूनों का प्रतिनिधित्व करते हैं । परीक्षण नमूनों और अंशांकन नमूनों में छवियों को मॉडल द्वारा चुना जाता है (3 FP फ़िल्टर + समूह बिन दूरी, शीर्ष २५० छवियां) । मोटी बिंदीदार रेखाएं अंशांकन वक्र के माध्यम से अनुमानित खुराक के लिए dc/Metaphase की मैपिंग का प्रतिनिधित्व करते हैं । पतली डॉटेड रेखाएँ उच्च और निंन ९५% dc/Metaphase के विश्वास सीमाएं निरूपित । टेस्ट नमूनों के रंग कोड: चमकदार लाल, एचसी S01 (शारीरिक खुराक: 3.1 gy, एचसी आस्थगित खुराक: 3.4 gy, ADCI: 3Gy); डार्क ग्रीन, एचसी S04 (शारीरिक खुराक: 1.8 gy, ADCI: 1.85 gy); ब्राइट ब्लू, एचसी s (शारीरिक खुराक: 2.8 gy, ADCI: 2.95 gy); डार्क ब्लू, एचसी S07 (शारीरिक खुराक: 3.4 gy, ADCI: 2.35 gy); डार्क रेड, एचसी S08 (शारीरिक खुराक: 2.3 gy, hc आस्थगित खुराक: 2.5 gy, ADCI: 2Gy); ब्राइट ग्रीन, एचसी S10 (शारीरिक खुराक: 1.4 gy, hc आस्थगित खुराक: 1.4 gy, ADCI: 0.95 gy). कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए । नमूने शारीरिक खुराक कोर्ट आस्थगित खुराक ADCI अनुमानित खुराक अनुमानित खुराक LCL अनुमानित खुराक UCL P मान * HCS01 ३.१ ३.४ 3 २.३ ३.८ ०.११७ HCS08 २.३ २.५ 2 १.४ २.७ ०.८१५ HCS10 १.४ १.४ ०.९५ ०.५ १.५५ ०.२११ HCS04 १.८ ना १.८५ १.२५ २.५५ ०.०२९३ HCS05 २.८ ना २.९५ २.२५ ३.७५ ०.००३५४ HCS07 ३.४ ना २.३५ १.७ ३.१ ०.०००२ तालिका 2: खुराक आकलन एचसी परीक्षण नमूनों के परिणाम ।फ़ुटनोट: Rogan एट अल., २०१६4में तालिका 3 से संशोधित । ADCI खुराक अनुमान पहले से अनफ़िल्टर्ड छवियों पर आधारित थे रिपोर्ट और वक्र फिटिंग कम वर्गों विधि का उपयोग किया गया था । यहाँ, अंशांकन वक्र अधिकतम संभावना विधि का उपयोग कर फिट था और 3 FP फ़िल्टर + “समूह बिन दूरी, शीर्ष २५० छवियों” से युक्त एक छवि चयन मॉडल खुराक अनुमान से पहले लागू किया गया था. अनुमानित खुराक UCLऔर LCL का उल्लेख करने के लिए खुराक ऊपरी और निचले ९५% विश्वास डीसी उपज के Poisson प्रकृति के आधार पर सीमा का अनुमान है । * ची वर्ग अच्छाई की सैद्धांतिक Poisson वितरण के लिए फिट; ना: मैन्युअल रूप से आस्थगित खुराक के परिणाम प्रदान नहीं किए गए. कनाडा की परमाणु प्रयोगशालाओं से नमूनों के लिए विकिरण खुराक अनुमान CNLS04, CNLS05, CNLS07, CNLS01 और CNLS08 चित्रा 7में दिखाया गया है । अंशांकन वक्र नमूने CNL0Gy, cnl 0.5 gy, CNL1Gy, CNL2Gy, CNL3Gy और CNL4Gy का उपयोग कर उत्पन्न होता है । हम सभी नमूनों के लिए 6 FP फिल्टर से मिलकर एक छवि चयन मॉडल लागू किया । सांख्यिकीय विश्लेषण के साथ परिणाम तालिका 3में दिखाए जाते हैं । चित्र 7: CNL परीक्षण नमूनों की खुराक अनुमान के स्क्रीनशॉट. काले चौकों अंशांकन नमूनों का प्रतिनिधित्व करते हैं । परीक्षण नमूनों और अंशांकन नमूनों में छवियां 6 FP फ़िल्टर्स का उपयोग करके चुनी जाती हैं । मोटी बिंदीदार रेखाएं अंशांकन वक्र के माध्यम से अनुमानित खुराक के लिए dc/Metaphase की मैपिंग का प्रतिनिधित्व करते हैं । पतली डॉटेड रेखाएँ उच्च और निंन ९५% dc/Metaphase के विश्वास सीमाएं निरूपित । टेस्ट नमूनों के रंग कोड: चमकीले लाल, CNL S04 (शारीरिक खुराक: 1.8 gy, CNL आस्थगित खुराक: 1.7 gy, ADCI: 1.95 gy); डार्क रेड, CNL s (शारीरिक खुराक: 2.8 gy, CNL आस्थगित खुराक: 2.7 gy, ADCI: 3.05 gy); ब्राइट ग्रीन, CNL S07 (फिजिकल दोसे: 3.4 gy, CNL लिटरेचर दोसे: 3.1 gy, ADCI: 3.4 gy); डार्क ग्रीन, CNL S01 (शारीरिक खुराक: 3.1 gy, ADCI: 3.75 gy); नीला, CNL S08 (शारीरिक खुराक: 2.3 gy, ADCI: 2.8 gy) । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए । नमूने शारीरिक खुराक CNL आस्थगित खुराक ADCI अनुमानित खुराक अनुमानित खुराक LCL अनुमानित खुराक UCL P मान * CNLS04 १.८ १.७ १.९५ १.२५ २.४५ ०.०५४५ CNLS05 २.८ २.७ ३.०५ २.७५ ३.३५ ०.३२५ CNLS07 ३.४ ३.१ ३.४ 3 ३.७५ ०.४७३ CNLS01 ३.१ ना ३.७५ ३.३५ & #62; 4 7.63 ई-11 CNLS08 २.३ ना २.८ २.२५ ३.३ ०.७७७ तालिका 3: खुराक आकलन CNL परीक्षण नमूनों के परिणाम.फ़ुटनोट: तालिका 3, Rogan एट अल., २०१६4से संशोधित । ADCI खुराक अनुमान पहले से अनफ़िल्टर्ड (HC) पर आधारित थे या मैन्युअल रूप से चयनित (CNL) छवियों और वक्र फिटिंग का उपयोग किया गया था न्यूनतम वर्ग विधि का प्रयोग. यहाँ, अंशांकन वक्र अधिकतम संभावना विधि का उपयोग कर फिट था और 3 FP फ़िल्टर + “समूह बिन दूरी, शीर्ष २५० छवियों” से युक्त एक छवि चयन मॉडल खुराक अनुमान से पहले लागू किया गया था. अनुमानित खुराक UCL और LCL, क्रमशः, खुराक का उल्लेख ऊपरी और कम ९५% आत्मविश्वास की सीमा डीसी उपज के Poisson प्रकृति के आधार पर.* ची वर्ग अच्छाई की सैद्धांतिक Poisson वितरण के लिए फिट; NA: मैन्युअल रूप से अनुमानित खुराक के परिणाम उपलब्ध नहीं थे. अंशांकन वक्र की रैखिक श्रेणी के भीतर विकिरण खुराक का आकलन (& #60; 1 Gy) सॉफ्टवेयर के साथ किया जा सकता है, लेकिन १.० की एक सिग्मा मूल्य सिफारिश की है और अधिक से अधिक वर्गीकृत dc की आवृत्ति को कम करने के लिए है (चित्रा 8) । चित्र 8: दो अंशांकन के स्क्रीनशॉट अलग सिग्मा मूल्यों पर कोर्ट अंशांकन नमूनों से व्युत्पन्न. (A) HC अंशांकन नमूने: 0Gy, 2Gy, 3Gy, 4Gy, और 5Gy पर सिग्मा = १.५. (ख) कोर्ट अंशांकन नमूने: 0Gy, 0.25 gy, 0.5 gy, 0.75 gy, 1Gy, 2Gy, 3Gy, 4Gy, और 5Gy सिग्मा = १.० का उपयोग कर. कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए । इन विश्लेषणों से संकेत मिलता है कि वहां छोटे हैं, लेकिन शारीरिक और तार्किक आस्थगित खुराक विशेषज्ञों द्वारा व्याख्या और सॉफ्टवेयर के बीच स्वीकार्य अंतर । या तो मैनुअल या भौतिक खुराक से सॉफ़्टवेयर अनुमान के बीच अंतर करने के लिए “त्रुटि” के रूप में संदर्भित किया जाता है । मैन्युअल रूप से एचसी और CNL द्वारा बनाए गए नमूनों की अनुमानित खुराक में त्रुटि ≤ ०.३ Gy है. सॉफ्टवेयर द्वारा स्वचालित प्रसंस्करण विशेषज्ञों की तुलना में कम सटीक है, लेकिन आम तौर पर आईएईए के भीतर निर्दिष्ट triage की सीमा ± ०.५ Gy3। तालिका 2 और 3में परीक्षण नमूनों में से अधिकांश के लिए, सॉफ़्टवेयर ने इस थ्रेशोल्ड में सही परिणाम का उत्पादन किया । हालांकि, HCS07 और CNLS01 प्रदर्शन एक गरीब अच्छाई की Poisson वितरण के लिए फिट, सुझाव है कि छवि में संभावित समस्याओं और इन नमूनों कि छवि और FP चयन मॉडल के आवेदन द्वारा हल नहीं थे में डीसी गुणवत्ता थे । p मान महत्व थ्रेशोल्ड HCS05 के मामले में पीढ़ी के कड़े होने के लिए प्रकट होता है, जहां सॉफ़्टवेयर सही खुराक निर्धारित करता है ।

Discussion

सॉफ़्टवेयर की क्षमताएं और सीमाएं

इस पत्र में वर्णित प्रोटोकॉल ठेठ कदम वार ADCI में प्रयुक्त प्रक्रिया के लिए आयात और प्रक्रिया सितोगेनिक metaphase छवियों का परिचय, विकिरण अंशांकन घटता बनाने के लिए, और व्यक्तियों या नमूने में जैविक खुराक का अनुमान अज्ञात करने के लिए उजागर विकिरण का स्तर । हालांकि, यह आवश्यक नहीं है कि ये निर्देश क्रमिक रूप से ले जाए । उदाहरण के लिए, अज्ञात खुराक के कई परीक्षण नमूने संसाधित किया जा सकता है और एक ही गणना अंशांकन वक्र का उपयोग कर विश्लेषण. इसके अलावा, एक बार प्रसंस्करण पूरा हो गया है, छवि चयन और डीसी फ़िल्टरिंग मॉडल उपयोगकर्ता द्वारा दोहराया जा सकता है । एक उपयुक्त छवि चयन मॉडल के आवेदन विशेषताओं और metaphase छवि डेटा की गुणवत्ता पर निर्भर करता है, जो बारी में दोनों कोशिकाओं को तैयार करते थे और stringency मानदंड स्वचालित के साथ कोशिकाओं का चयन करने के लिए इस्तेमाल किया प्रयोगशाला प्रोटोकॉल पर निर्भर करती है metaphase कब्जा सिस्टम । गुणसूत्र morphologies biodosimetry और सितोगेनिक प्रयोगशालाओं के बीच अलग होगा, और इस प्रकार, छवि चयन मॉडल उपयोगकर्ता द्वारा मूल्यांकन किया जाना चाहिए निर्धारित करने के लिए कि क्या पूर्वनिर्धारित छवि चयन सॉफ्टवेयर के साथ आपूर्ति की मॉडल के लिए पर्याप्त हो जाएगा सटीक खुराक का अनुमान है, या कि क्या उपयोगकर्ता-परिभाषित थ्रेसहोल्ड के साथ कस्टम मॉडल बनाए जाने की जरूरत है उत्पादन । हमारे अनुभव के आधार पर, छवि चयन मॉडल की प्रभावशीलता स्रोत और सेल छवियों की गुणवत्ता से प्रभावित है । उपयोगकर्ताओं को झूठी सकारात्मक dc और छवि चयन मॉडल, और वांछित छवियों का चयन करने के लिए इसी दहलीज मूल्यों को खत्म करने के लिए फिल्टर के विभिन्न संयोजन का उपयोग कर अपनी छवि चयन मानदंड डिजाइन कर सकते हैं । अंशांकन घटता और खुराक अनुमान के इनपुट में लचीलापन है, रैखिक-द्विघात वक्र और डीसी आवृत्तियों के गुणांक के रूप में संशोधित किया जा सकता है या मैन्युअल रूप से धीरे से ।

हालांकि सॉफ्टवेयर पूरी तरह से स्वचालित है, छवियों को मैंयुअल रूप से समीक्षा की और चयनित किया जा सकता है । इस क्षमता को शामिल करने या मुख्य जीयूआई में माइक्रोस्कोप दर्शक समारोह के माध्यम से व्यक्तिगत रूप से संसाधित छवियों को दूर करने के लिए उपलब्ध है । फिर भी, स्वचालन के कारण, सॉफ्टवेयर metaphase छवियों और गिनती dc के मैनुअल स्कोरिंग के साथ तुलना में काफी अधिक कुशल है. एक नमूना १००० छवियों से मिलकर 20 में संसाधित किया जा सकता है (tiff) एक बहु-कोर प्रदर्शन कार्यस्थान पर ४० (jpg) मिनट के लिए । इस सॉफ्टवेयर समय में विशेष रूप से उपयोगी हो जाएगा महत्वपूर्ण या श्रम गहन स्थितियों, ऐसी घटनाओं जिसमें कई व्यक्तियों को उजागर किया गया है या विकिरण, या जहां समय के प्रति संवेदनशील निदान और उपचार के लिए उजागर किया गया है संदिग्ध थे के रूप में फैसले अहम हैं ।

dc के साथ ही खुराक अनुमान का सटीक और सटीक उच्च प्रवाह का पता लगाने अनअटेंडेड विकिरण आकलन के लिए आवश्यक हैं । अंय सॉफ्टवेयर के लिए उपलब्ध विकल्प इन दोनों आवश्यकताओं को पूरा नहीं करते । उपयोगकर्ता की सहायता से, छवि-आधारित सितोगेनिक विश्लेषण (DCScore, Metasystems¹⁷) सिस्टम में गुणसूत्रों के बीच एक उच्च त्रुटि दर के कारण, और सिस्टम निर्धारित नहीं करता है कि उंमीदवार dc के मैनुअल सत्यापन की आवश्यकता है । विकिरण खुराक । DCScore एक विकिरण संभावित उजागर व्यक्तियों की एक बड़ी संख्या में शामिल घटना में ADCI के रूप में के रूप में प्रभावी नहीं होगा । बड़े एपर्चर माइक्रोस्कोप सिस्टम एकाधिक metaphase कोशिकाओं की छवियों को जमा कर सकते हैं¹⁸, हालांकि, वे उन्हें का विश्लेषण नहीं है । “चबों”¹⁹ और “खुराक अनुमान”²⁰ सॉफ्टवेयर अंशांकन घटता है और अनुमान खुराक उत्पन्न कर सकते हैं, लेकिन dc स्कोर नहीं है. अंय biodosimetry परख है कि डीसी विश्लेषण पर आधारित नहीं है H2AX प्रतिदीप्ति, विशेष गुणसूत्रों, जीन अभिव्यक्ति, संकरण परख, और मूत्र और श्वसन के निशान को निशाना बनाया जांच के साथ सीटू micronucleus में प्रतिदीप्ति शामिल हैं । इन तरीकों कम विशिष्ट और कम संवेदनशील विकिरण के लिए कर रहे हैं, और अधिक महंगा हो सकता है, कुछ उदाहरणों में, अधिक समय लेने वाले हैं, और आम तौर पर कई संदर्भ प्रयोगशालाओं में मानकीकृत नहीं किया गया है. इन तकनीकों के अधिकांश स्थिर विकिरण प्रतिक्रियाओं का पता नहीं है, तो वे दीर्घकालिक मूल्यांकन के लिए इस्तेमाल नहीं किया जा सकता (& #62; 7 दिनों के बाद जोखिम) विकिरण खुराक की. इसके विपरीत, यह ९० दिनों के बाद जोखिम व्यक्तियों का मूल्यांकन कर सकते हैं, और किसी भी cytogenetics प्रयोगशाला माइक्रोस्कोप इमेजिंग प्रणाली से डेटा की प्रक्रिया कर सकते हैं । हालांकि, यदि कोई नमूना तैयार किया गया है & #62; 4 सप्ताह के बाद जोखिम, संवेदनशीलता dicentric वाकया^1,2,3 के क्षय के कारण कम है और सॉफ्टवेयर वर्तमान में नमूना में देरी के लिए डीसी आवृत्तियों सही नहीं है उजागर व्यक्तियों ।

इस सॉफ्टवेयर की कुछ सीमाएं हैं । मौजूदा छवि चयन मॉडल ज्यादातर स्वीकार्य metaphase छवियों का चयन करें, लेकिन कुछ उदाहरणों में, असंतोषजनक छवियों को खत्म करने में विफल, जो डीसी का पता लगाने की सटीकता को कम कर सकते हैं. यह अभी भी एक खुला सवाल कैसे एक संतोषजनक छवि चयन मॉडल है कि सभी अनुपयुक्त metaphase कोशिकाओं को समाप्त डिजाइन करने के लिए है । सॉफ्टवेयर उच्च विकिरण खुराक (≥ 2 Gy) से अवगत कराया नमूनों के लिए सटीक अनुमान प्रदान करता है । झूठी पॉजीटिव dc^१६की संख्या को कम करने में काफी प्रगति के बावजूद इन वस्तुओं को समाप्त नहीं किया गया है. कम विकिरण खुराक पर कम गुणवत्ता metaphase कोशिकाओं (विशेष रूप से & #60; 1 Gy) अधिक झूठी सकारात्मक डीसी का पता लगाने के लिए प्रवण हैं. इसलिए, कम खुराक नमूने शामिल नहीं थे जब अंशांकन के लिए उपयोग किया गया वक्र जनरेट करते हुए HC परीक्षण नमूनों की खुराक आकलन. हालांकि, अगर एक वक्र कम खुराक नमूने युक्त वांछित है, एक कम SVM सिग्मा मान कम खुराक नमूनों में झूठी सकारात्मक गिनती कम कर देता है लेकिन उच्च खुराक नमूनों में कम डीसी पैदावार में परिणाम हो सकता है. 8 चित्रा (सिग्मा = १.५) एक अंशांकन वक्र कम SVM सिग्मा मूल्य (१.०) पर अतिरिक्त कम खुराक नमूनों के साथ फिट के साथ खुराक अनुमान के लिए इस्तेमाल किया HC वक्र की तुलना करता है. metaphase कोशिकाओं और/या गरीब गुणवत्ता metaphase छवियों की अपर्याप्त संख्या के साथ नमूनों में, यह ठीक कम खुराक पर जैविक जोखिम का अनुमान करने के लिए संभव नहीं हो सकता है, संभावित ०.५ Gy से अधिक भौतिक खुराक से विचलन में जिसके परिणामस्वरूप.

सॉफ्टवेयर सही विकिरण प्रकार का आकलन नहीं हो सकता है अगर उनकी खुराक-प्रतिक्रिया घटता सबसे अच्छा एक रैखिक या निकट रेखीय मॉडल फिट. इस प्रकार अब तक, यह केवल एक्स और गामा किरणों के संपर्क में नमूनों के साथ परीक्षण किया गया है । यदि एक अंय विकिरण स्रोत की जांच की है, उपयोगकर्ताओं को सुनिश्चित करना चाहिए दोनों अंशांकन और परीक्षण के नमूने विकिरण के एक ही प्रकार के संपर्क में हैं । सॉफ्टवेयर या तो अधिकतम संभावना या एक खुराक-प्रतिक्रिया वक्र एक रैखिक-द्विघात मॉडल का उपयोग कर का निर्माण करने के लिए फिटिंग कम वर्गों का उपयोग करता है । वर्तमान में एक सख्त रैखिक वक्र फिट, उच्च ऊर्जा कण जोखिम के लिए उपयुक्त लागू करने के लिए कोई विकल्प नहीं है, लेकिन इस तरह की कार्यक्षमता भविष्य में उपलब्ध हो जाएगा ।

भविष्य के विकास

हमारे चल रहे प्रयासों छवि चयन मॉडल और सटीक खुराक माप में सुधार पर ध्यान केंद्रित कर रहे हैं, कम विकिरण खुराक के लिए उजागर नमूनों की विशेष रूप से. बाद सॉफ्टवेयर संस्करण खुराक का अनुमान है और अंशांकन curves पर विश्वास अंतराल पर मानक त्रुटि माप प्रदान करेगा । इसके अलावा, एक उच्च प्रदर्शन-नीले जीन (BG/Q, आईबीएम) सुपर कंप्यूटर के लिए सॉफ्टवेयर का अभिकलन संस्करण एक बड़े पैमाने पर हताहत विकिरण घटना में उजागर व्यक्तियों के समय पर मूल्यांकन के लिए विकास के अंतर्गत है । सॉफ्टवेयर के कुछ घटक पहले से ही परीक्षण किया गया है और इस मंच पर तैनातलड़की = “xref” > 11.

Materials

Automated Dicentric Chromosome Identifier and Dose Estimator (ADCI)	CytoGnomix	NA	ADCI software is released in a binary installation package file for Microsoft Windows 7, 8, 8.1 and 10; 235 Mb of disk storage are required for a typical installation. The software has been tested with Intel or AMD x86-64 processors; at least 1 Gb RAM is recommended. Analyses have been benchmarked on a computer configured with an Intel I7 processor and 16 Gb RAM. Operation of ADCI requires an active license and a USB-based hardware dongle, which must remain plugged in while the software is executing. The dongle encodes the software expiry date. Each time the software is started, this date is read. The software will allow access to the program if the current date and time precedes the expiration time-date stamp. Extending an expired software license can be accomplished by obtaining a new dongle or by renewing the license with an updated key at startup.
Digital images of metaphase cell nuclei	Examples: Metasystems, Leica Microsystems	M-Search (Metasystems), Cytovision (Leica) software	High resolution TIFF format; typically >250 digital images generated with a microscope imaging capture system (minimum 63x magnification objective, 10x magnification ocular).
MSI Leopard Pro (recommended, optional)	Micro-Star International	MSI GP62 6QF 480CA Leopard Pro	Multi-core performance workstation.