概要

迅速な放射線 Biodosimetry を自動化された減数分裂の染色体の識別 (ADCI) と線量評価

Published: September 04, 2017
doi:

概要

染色体の減数分裂の染色体 (DC) アッセイは、電離放射線への暴露を定量化します。減数分裂の染色体識別子の自動化と線量推定ソフトウェア正確かつ迅速中期細胞内の Dc から生物学的線量を推定します。それは、Dc から monocentric 染色体とその他のオブジェクトを区別し、Dc の周波数から生物学的線量を推定します。

Abstract

生物学的線量は、中期細胞における減数分裂の染色体頻度から推定できます。これらの染色体の減数分裂の染色体の試金の実行は伝統的でなく大量の死傷者のイベントのきっかけで検討する必要がありますサンプルのボリュームを処理に適したマニュアル、労働集約的なプロセスです。自動化された減数分裂の染色体識別子と線量推定 (ADCI) ソフトウェアは、機械学習を用いた画像処理手法を用いた中期画像のセットを調べることによってこのプロセスを自動化します。不適切な画像を削除することによって解析が動原体を含む染色体または非染色体として各オブジェクトを分類の適切な画像をさらにソフトウェア選択 monocentric 染色体 (MCs) 染色体を区別するまたは減数分裂染色体 (Dc) は、サンプル内の DC 周波数を決定して校正サンプルを使用して計算の較正曲線とサンプル DC 周波数を比較することによって生物学的線量を推定します。このプロトコルでは、ADCI ソフトウェアの使用方法について説明します。通常、校正 (知られている線量) と中期イメージのテスト (不明な線量) セットの両方は、正確な線量評価を実行するインポートされます。分析のための最適な画像プリセット フィルターを使用して自動的に見つけることができます。 または手動検査を通じてフィルター処理もできます。各サンプル内のイメージの処理し、DC 周波数、機械学習の手法を使用して、Dc を呼び出すための金詰りのさまざまなレベルで計算されます。線形二次校正曲線は知られている物理的な線量にさらされている校正サンプルで DC 周波数に基づいて生成されます。不確かな放射線レベルにさらされる試験の用量は、これらの校正曲線を使用して DC 頻度から推定されます。レポートは要求時に生成することができます、1 つまたは複数のサンプル、1 つまたは複数の較正曲線または線量評価結果の要約を提供します。

Introduction

放射線 biodosimetry は、減数分裂の染色体 (Dc) などにさらされている個人被曝線量を測定する染色体転座染色体異常ほとんど生物学的マーカーを使用します。生物学的線量は、個体間のばらつきによる器械によって測定される物理線量から異なる場合があります。同様に、特定の物理的な線量の放射線は、異なる生物に起因する根本的な生理学的または環境条件を作り出すことができます。生物学的線量の知識は、診断と治療の両方にとって特に重要なのです。

DC アッセイは、人々 の生物学的放射線被ばくを評価する世界保健機関 (WHO) と国際原子力機関 (IAEA) のゴールド スタンダードです。IAEA と推奨放射線線量評価のため最初の試験だった。比較的安定した DC 周波数は、放射線暴露1後約 4 週間と理想的なバイオ マーカーの Dc にして放出放射線量との量的関係が正確である。放射線量 (単位でグレー [Gy] 参照) と (セルあたりの Dc の数として参照される) DC 周波数の関係は線形二次関数として表現できます。

DC の細胞遺伝学的試金は、約 55 年2のための業界標準をされています。それは単一の血液サンプルから顕微鏡データを分析する 1 〜 2 日を必要とする、手動で行われています。推定被ばく線量3によって数百数千の画像が必要です。1 Gy を超える線量では、IAEA は、100 Dc の最小検出を推奨します。250 〜 500 中期画像の検討は biodosimetry 細胞遺伝学的研究所で一般的な方法です。エクスポー ジャーのあるサンプルの < 1 Gy、3,000-5,000 DC 形成の低確率のため画像が提案されています。いずれにしても、それは労働強烈な作業です。

細胞遺伝学 biodosimetry 研究所独自の in vitroテスト サンプルの生物学的線量を評価する前に放射 biodosimetry 較正曲線を作成します。健常者コントロールから血液サンプルは、放射線にさらされている、リンパ球は培養され、中期染色体分析の準備を。これらのサンプルを使用して、生物学的線量は標準的な放射源から放射される知られている物理的な線量に校正されています。専門家イメージ DCs をカウント、サンプルごとに DC 周波数を計算する中期細胞像が記録された後。検量線は全ての用量で DC 周波数を線形二次曲線に当てはめるによって組み込まれています。校正線量曲線上に DC 周波数と一致する、対応する線形二次式で指定することは、個人からテスト サンプルの露出を推測できます。

Dc 検出を自動化し、線量のソフトウェアを使用してこの手順を迅速に決定。自動の減数分裂の染色体識別子と線量推定量 (ADCI) を検出して、monocentric 染色体 (MCs) から減数分裂の染色体 (Dc) とその他のオブジェクトを区別する機械学習ベースの画像処理技術を使用してし、放射線を自動化線量評価。ソフトウェアは、大幅に削減したり、DC カウント手動で検証の必要性を排除して自動化による線量評価を加速するために目指しています。それは参照 biodosimetry 研究所健康カナダ (HC) で、カナダ原子力研究所 (CNL) の関与が開発されています。この試金のための IAEA の基準を満たすパフォーマンスが引き続き彼らのフィードバックになります。

ソフトウェアは、次の機能を実行します: 1) フィルターの DCs と最適な中期細胞画像解析, 2) 染色体の認識、DC 検出及び DC 周波数決定を選択し、3) 線量校正から放射線量の推定放射線の細胞遺伝学的データ。このソフトウェア プロセス (サンプルと呼ばれる) 同一個体から中期イメージのグループ、カウントを使用してそれぞれの Dc の数画像処理技術、及び推定被曝線量はグレイ (Gy) の単位で各サンプルが受信したリターン。

ソフトウェアは、染色体の構造、カウント、および密度の範囲を処理する設計されています。ただし、アルゴリズムは十分に分離、線形染色体4の近く完全な補完を含む中期画像で最適に動作します。画像、染色体の高い重複のセットを含む複数の細胞、不完全な中期細胞、姉妹染色分け体の分離、核、非染色体のオブジェクト、およびその他の欠陥は、アルゴリズムの正確さを減らすことができます。専用の画像選択モデルと他のオブジェクト分割しきい値は、サブ最適な画像や偽の肯定的な Dc の大半をフィルター処理できます。

イメージが処理されるとき、減数分裂の染色体の検出が実行されます。アルゴリズムはイメージ内のどのオブジェクトが染色体を決定しようし、各染色体のセントロメア最も可能性が高い 2 つの領域を探します。一連の異なるサポート ベクトル マシン (SVM) 学習モデルは Dc とノーマル、monocentric 染色体染色体を区別します。SVM モデルは DC 検出の特異性と感度の異なる (参照ステップ 3.1.4 以下)、サンプルで決定される DC 周波数に影響することができます。

ADCI は、ギムザ – (または DAPI-) 中期デジタル画像 (tiff 形式または JPG 形式) 1 つまたは複数のサンプルをステンド グラスのセットを処理します。ソフトウェアは、校正サンプルとテスト サンプルの両方の Dc を分析します。校正サンプルの物理線量 (Gy) では知られている、較正曲線の生成に使用されます。不明なエクスポー ジャーを持つ個人の物理的および生物学的用量は、コンピューターが生成した検量線からソフトウェアによって推論されます。研究所は、同等の技術を使用して、別の所から検量線はしばしば3を異なります。同じ研究室からの両方の校正曲線と試料は、試料の正確な線量推定のため処理必要があります。

このソフトウェアは、どのアドレスに、多くの個人は同時にテストする必要があるイベントを処理するために必要な生産性、速度、精度とスケーラビリティを提供します。2008-20174,5,6,7,8,9,1011,12 から開発されました。 ,13。最近のコンピューターのハードウェアは、このデスクトップを使用してください。PC のソフトウェアを処理することができます、10 〜 20 分4で 500 中期ゲノムに相当の忍耐強いサンプルの推定線量。コードは、一連の独自の画像セグメンテーションと染色体分析用機械学習アルゴリズムに基づきます。3 Gy の放射線にさらされている各染色体の専門家の分析では、ADCI に匹敵する精度を与えた。(以前は国際技能の練習で使用) 不明なエクスポー ジャーの 6 サンプルのセット、ソフトウェア推定 0.5 Gy HC、CNL、トリアージのための国際原子力機関の要件を満たすことによる同じデータの手動レビューで得られた値の内の用量biodosimetry。さらに、厚生の標準化と最終的に線量の再現性のスコアリング アルゴリズム共通、自動化された DC の利点を見積もり。それにもかかわらず、ソフトウェア フィルタ リング、選択基準、染色体の準備メソッドおよび考慮する校正光源の違いを有効にする画像のカスタマイズが可能します。

このソフトウェアは、グラフィカル ユーザー インターフェイス (GUI) – ギムザ (または DAPI) を含む染色体画像のセットを分析しシステム – ステンド中期電離放射線への暴露に起因する異常細胞です。イメージ セット、デジタル光 (または epifluorescent) 顕微鏡システムで撮影し、各セットが別のサンプルに対応します。ソフトウェアは、画像処理を検出して、MCs およびその他のオブジェクトから Dc を区別する技術を利用しています。経験的派生セグメンテーション フィルターは、真の Dc に影響を与えずに、偽の肯定的な Dc を自動的に除去します。最後に、ソフトウェアは、事前計算済み (またはユーザーが指定した) 画像選択モデルと質の悪い中期の画像を発見したさまざまな画像のプロパティに基づく望ましくない画像を自動的にフィルター処理します。これらのイメージには過剰なを含む、または「うるさい」オブジェクト、複数の重複染色体数が不足画像欠けている中期の染色体、過剰な数の妹の染色分け体4。自動的に精選された画像データは、知られている放射線量のサンプルから線量校正曲線を生成に使用される、不明な線量にさらされているテスト サンプルのエクスポー ジャーを推定する使用されます。

ソフトウェアの出力の表示およびとして保存できます: 1) テキスト ベースの出力は、コンソールで、表示 2) プロット イメージ、および 3) HTML 形式でレポートとして保存することができます。ソフトウェアの多くの側面は、異なる研究室の特定のニーズに合わせてカスタマイズ可能です。各研究室は、研究室で検証細胞遺伝学のプロトコルに基づいて校正、テスト サンプルを準備し、収集を通常提供します。これは試料の均一性を維持、同じプロトコルを使用して派生した試料に適用される意味深長校正サンプルから生成された較正曲線をできます。検量線は、曲線係数または定義された用量で DC 周波数から作成場合があります。最も正確な線量推定値を取得するには、品質の低いイメージと偽肯定的な Dc (FPs) をフィルタ リングします。各サンプル内に最適なイメージのサブセットの選択は、FPs を紹介する傾向がある基準以下のイメージを排除する ‘ イメージ選択モデル’ を使用して実現されます。事前に検証モデルのシリーズ追加モデルとカスタマイズされたフィルターを作成して保存すると、ユーザーが、ソフトウェアに含まれています。

ソフトウェアが正常に読み込まれると、一度主要なグラフィカル ユーザー インターフェイス (GUI) が表示 (図 1参照)。このインターフェイス、サンプル、中期細胞画像ファイルのフォルダーから成る可能性があります選択し、Dc を識別する処理、較正曲線を作成し、比較してから試料の放射線被曝線量を決定する可能性があります。

Figure 1
図 1:グラフィカル ユーザー インターフェイスを含めるは主要な部門: (2)曲線のサンプル(1)、校正のリストのリスト、プロセス キュー (3)、プロットは、各サンプルの画像の各セットの DC 検出のステータスを監視します。(4)プログラムによって実行された各操作の出力として説明テキストが含まれているコンソール(5)や較正曲線のサンプル画像のセットの統計やその他の定量的なプロパティをまとめたものを表示します。この図の拡大版を表示するのにはここをクリックしてください

Protocol

1 です。 インポートおよびプロセスのサンプル クリック ' サンプル ' メニュー バーで選択 ' 新しいサンプル '。中期イメージのグループを含む適切なディレクトリを選択し、クリックして ' フォルダーの選択 '. 内サンプルの一意の ID を入力、' 新しいサンプルの一意の ID を指定する ' テキスト フィールド。この ID は、ワークスペース内のサンプルを識別します。サンプル Id は英数字、含める必要があります ' _ '、または '-' のみの文字します。ソース研究室とサンプル ID (校正サンプル) の物理線量を含めることが知られている。 (オプション) 提供サンプル内に必要な場合の説明、' (オプション) サンプルの説明 ' テキスト領域。 クリックして ' OK ' のワークスペースに新しいサンプルを追加する。 繰り返し手順はその他のサンプルを追加するには 1.4 で 1.1。3 校正サンプル (7 以上は、異なる露出の 3 を推奨) と線量推定を実行する少なくとも 1 つのテスト サンプルの最小値を作成します。 で 1.5 手順 1.1 で作成されたすべてのサンプルを強調表示、' サンプル ' リストし、クリックして ' プロセス キューに追加試料 ' ()アイコン。 クリック ' キューのすべてのサンプルを処理 ' () – キュー内で順番にすべてのサンプルを処理するアイコン、' ADCI 加工 '進行状況バーとキューのすべてのサンプルを含むダイアログが表示されます すべてのサンプルは、処理を完了したときの をクリックして、。サンプルを保存、またはクリックして ' 加工サンプルを ADCI サンプル ファイルに保存 ' () 後加工のサンプルを保存するアイコン。 2。 表示と画像の選択 (オプション、推奨手順) 注: この手順は、中期の画像ビューアーの使用法と画像の選択のモデルの作成について説明します。いくつか検証済みのイメージ選択モデルは、校正曲線の生成と線量評価で使用することができますソフトウェアに含まれています。したがって、この手順は不要、しかし、それは必要な場合これを行うに必要な手順を説明するガイドとして使用することがあります。 ハイライト内でサンプル、' サンプル ' 一覧で、クリックして ' サンプル ' 選択バー、メニューに ' 画像表示 ' を開く、' 中期画像ビューアー '. 画像間で移動 は、特定の画像を表示するドロップダウン ボックスからイメージを選択します。イメージをスクロールする左と右矢印アイコンをクリックします。 は、そのシグマ値で DC 検出結果を表示するドロップダウン ボックスから SVM シグマ値を選択します。選択 " 未処理・ " 染色体輪郭線なしの raw 画像を表示するドロップダウン ボックスから。 チェック、' 反転 ' イメージ内の各ピクセルの色と明るさの値を反転する] チェック ボックス。 チェック、' ウォッチ リスト内のイメージ ' 表示イメージを追加する] チェック ボックス、' ウォッチ リスト '。クリックして ' テキスト ファイルに保存、ウォッチ リスト ' () テキスト ファイルにウォッチ リストのすべてのイメージの名前を保存するアイコン。 画像選択モデル クリック ' すべての画像を表示する ' イメージ選択ドロップダウン リスト ボックスですべての画像を含める (デフォルト選択)。隣接するテキストを観察 ' 含まれる画像 ' 現在適用済みのイメージ選択モデルで選択した画像の一部を発見する。 クリックして ' ビューには画像が含まれている ' を含むドロップダウン ボックスで画像の選択モデルで除外されていないするこれらの画像のみです。 クリックして ' ビュー除外画像 ' のドロップダウン ボックスで適用済みのイメージ選択モデルによる除外されている画像を含めること。 チェック、' 除外 ' 手動で単一のイメージを除外するチェック ボックスをオンします 。 注: 選択したイメージ画像選択のモデルはその後に適用される場合は、設定を手動で除外されたイメージを復元します。 をクリックして画像の選択範囲の保存、' 選択範囲を保存 ' ボタン。保存した選択範囲が表示されたらファイル名を入力します。クリックして ' 負荷の選択 ' 以前に保存した選択範囲を適用する。 クリックして ' 画像フィルターの適用 ' を開く、' 現在のサンプルにイメージ選択モデルの適用フィルターを用いた '] ダイアログで、作成、保存、またはサンプルで中期の画像を選択するための基準を適用。 は、事前設定のリストから画像の選択モデルを選択します。クリックして ' OK ' 現在モデルを適用する。 目的の新しいモデルの説明を入力、定義 ' 画像除外フィルター '、定義 ' イメージ ランキングとインクルー ジョン '、クリックと ' 選択モデルの保存 ' イメージを作成するには選択モデル 。 注: 定義の ' イメージ ランキングとインクルー ジョン ' メソッドおよび各 ' 画像除外フィルター ' ソフトウェア オンライン マニュアル 14 で見つけることができます。 3。曲線の生成 (Recommended optional step) 曲線チャンネルキャリブレーション ウィザード を最低 3 つ確認校正サンプルが続行する前にワークスペースに存在します。クリックして ' ウィザード ' メニュー バーで選択 ' 曲線校正 ' 曲線校正ウィザードを開きます 。 注: のみ 3 つのサンプルがフィットし、較正曲線を計算する数学的に必要な 0 と 5 Gy の間露光の範囲にまたがる 7 つ以上のサンプルがお勧めします。その他のサンプルが線形二次線量応答に較正曲線に合わせて、最適なシグマ値は低線量評価のため使用可能なカーブを得るために低いかもしれない (< 1 Gy);このしきい値を超える用量の最適なシグマ値が異なる (3.1.4 の手順を参照してください). 導入ウィザード 続行の画面および各必要な校正サンプルの横にあるチェック マークを付けます。この方法で選択した校正用試料、指定物理線量 (Gy) で、サンプルは、隣接するテキスト フィールド内にさらされて。次のウィザード画面に進みます。 は、任意の手動で作成されたモデルに加えてソフトウェアにバンドルされているプリセット選択モデルを含むモデルのリストから必要な場合画像の選択モデルを選択します。次のウィザード画面に進みます。 は、SVM シグマ値をドロップ ダウン ボックスから選択します。次のウィザード画面 . に続き 注: 1.4 または 1.5 の SVM シグマ値は推奨用量を推定のため > 1 Gy、1 Gy ( 図 2) 以下の見積の 1.0 の値。 レビュー概要スクリーン、クリックで以前のすべての選択 ' 仕上げ '、prepopulat の原因と、ウィザードを完了しますed ' 曲線を作成する ' ダイアログが表示される。 図 2: SVM シグマ値の変更の効果の可視化本当の陽性 (TP) と偽陽性 (FP) DC カウント アルゴリズムから肯定的な予測 Calue (PPV) と真陽性率 (TPR). この図の拡大版を表示するのにはここをクリックしてください。 曲線ダイアログを作成します。 (ウィザードを使用した場合、この手順をスキップ) をクリックして ' 曲線 ' メニュー バーで選択 ' 新しい曲線 '。選択 ' フィッティング曲線用量反応データを '] をクリック、ダイアログ内に表示されたドロップダウン ボックスから ' OK '. の曲線のユニークな id を指定、' 新しい曲線の一意の id を指定する ' 内のテキスト ボックス、' 曲線を作成する ' ダイアログ。 内で新しい曲線の説明 (省略可能) 入力、' 作成するカーブの簡単な説明を追加 ' テキスト ボックス。 (検量線を作成するカーブ ウィザードを使用した場合、次の手順をスキップ) は、曲線の値を設定します 。 注: 手順 3.1 で説明した曲線チャンネルキャリブレーション ウィザードをプリセットのフィールド、' 曲線を作成する ' ダイアログ。以下の手順では、これらのフィールドを手動で設定する方法について説明します。ウィザードを使用した、追加または追加のデータを削除したい場合、次のいくつかの手順を続くことができます。 SVM シグマ値のオプションから選択、' SVM ' ドロップダウン ボックス – 強くお勧めこの曲線を使用して線量推定を実行するときに選択シグマ値をここで選択したシグマ値に一致します。 (省略可能) を指定する] をクリックして画像の選択モデル、' ファイルの指定 ' ボタン。 クリックして ' 入力 ' 見出しの下に線量応答リストに新しい空白のエントリを追加する ' 曲線を作成する入力応答-線量データ ' です。 見出しの下 Gy の線量校正サンプルを入力 ' 線量 '. 入力 ' 応答 (DC/セル) ' サンプルがハイライト表示されたら、コンソール内でサンプル出力から引き出されます。コンソール内で、または対応するサンプル レポート (手順 5.1、利用可能な場合) から以前選択した SVM シグマ値の適切な DC/セル値を探し、このフィールドに入力します。 すべての校正サンプルが追加されるまで、前の 3 手順を繰り返します。 プレス ' データを検証する ' リストが正しく応答量のコンテンツを確保するため – 線量応答リストのすべてのフィールドが強調表示されている緑色の有効なデータを確認します。 プレス ' OK ' 曲線の作成を終了します。新しいカーブを保存する、' カーブ保存? ' キーを押すと表示されるダイアログ ' OK '。クリックしてまたは ' 曲線 ADCI 曲線ファイルに保存 ' () でアイコンを強調表示、' 曲線 ' 後リストします。 4。線量の推定 (Recommended optional step) 線量推定ウィザード クリックして ' ウィザード ' メニュー バーで選択 ' 線量評価 '. 導入ウィザードの画面と選択 – ボックスから以前に作成した検量線を進む 下そのプロパティが表示されます。次のウィザード画面に進みます。 は、線量評価に含めるために未知の露出のテスト サンプルの横にあるチェック マークを付けます。次のウィザード画面に進みます。 は、説明と校正曲線の生成時に適用する画像選択モデルのプロパティを確認します。同じ画像選択モデルが選択されたテスト サンプルに適用されることを確認します。次のウィザード画面に進みます 。 注: イメージ選択モデルの説明では、同じモデルがあらかじめ設定されて、選択テスト サンプルに適用されます。校正に同じイメージ選択モデルを適用し、サンプルをテストします。ドロップダウン リストから別のモデルを選択することによって別の画像の選択モデルを適用することが可能ですが、これは推奨されません。 は、ドロップ ダウン リストから SVM シグマ値を選択します。次のウィザード画面に進みます 。 注: 校正曲線の生成時に使用される SVM シグマ値があらかじめ設定されています。この値が変わることをお勧めします。 サマリー画面で前回の選択内容を確認し、クリックして ' 仕上げ ' ウィザード -、事前設定を完了する ' 線量計算 ' ダイアログが表示されます。 線量計算 (ウィザードを使用した場合は、このステップをスキップ) 曲線の見出しの下の一覧から検量線を強調 ' 曲線 '、クリックして ' 曲線 ' 選択バー、メニューに' 線量の計算 ' を開く、' 線量計算 ' ダイアログ。 (スキップ手順をウィザードを使用した場合) は、線量評価のための値を設定します 。 注: 手順 4.1 で説明した線量推定ウィザードをプリセットのフィールド、' 線量計算 ' ダイアログ。以下の手順では、これらのフィールドを手動で設定する方法について説明します。ウィザードを使用した、追加または追加のデータを削除したい場合、次のいくつかの手順を続くことができます。 クリック ' DC 周波数に合わせてワークスペースの使用見本 ' () アイコンおよび強調表示テスト内のサンプル、' ADCI の処理のサンプルワークスペース ' リストに選択したサンプルを追加する、' 線量評価のための DC 周波数 ' リストします。 は、ドロップ ダウン ボックスから SVM シグマ値と画像の選択のモデルがこれらのサンプルを選択します 。 注: 校正曲線の生成で使用されるシグマ値と一致する SVM シグマ値が正確な線量評価のため必要です。検量線に関連付けられているシグマ値の下部に記載されている、' 線量計算 ' ダイアログ。 前の 2 つの手順を繰り返すことによって (オプション) 追加の追加テストのサンプル。また、複数のサンプルを強調することによって同時に複数のサンプルを追加、' 処理サンプル ワークスペース ' リスト。 (省略可能) をクリック、' DC 周波数値を入力 ' () D を手動で入力するアイコンC 周波数 – 必要な場合、すべてのサンプルに関連付けられていない新しい DC 周波数に追加されます、' 線量評価のための DC 収差 ' リスト。 (省略可能) をダブルクリックして、' 名 ' の名前を変更するのには手動で入力した DC 周波数のフィールド。 (省略可能) ハイライト適切なサンプルおよびクリック ' 削除 DC 周波数 ' () に追加されているサンプルを削除するアイコン、' DC線量評価のための異常 ' エラーのリスト。 クリックして ' OK ' を閉じます、' 線量計算 ' と線量推定を実行 – 結果がコンソールに出力されます。 線量推定結果テスト サンプルごとに表形式でコンソールに表示されます観察 ' DC 周波数 '、' SVM '、' 推定線量 ' (推定を含むGy のテスト サンプルの生物学的線量) と ' 画像選択モデルの適用 ' フィールド。 5。報告 注: レポートの名前を指定し、それを保存するディレクトリを選択するための方法はすべての種類のレポートに共通。A ' レポート名 ' 提供する必要があります。レポートが生成されると、自動的にこの名前を使用してレポート ファイルを含むディレクトリが作成されます。このディレクトリが配置される中、' レポート フォルダー '。既定で、' レポート フォルダー ' という名前のディレクトリは、' レポート ' のインストール中に指定されたデータ ディレクトリが見つかりました。 サンプル レポート クリックして ' レポート ' メニュー バーで選択 ' サンプル レポート ' を開く、' サンプル レポートを生成 ' ダイアログ。 内のレポートの名前を入力、' レポート名 ' テキスト フィールド。クリックして ' 参照 ' を変更する、' レポート フォルダー ' 希望される場合。 で適切なサンプルの横にあるチェック マークを配置することによって、レポートに含める少なくとも 1 つの加工サンプルを選択、' サンプルを選択 ' リスト。 の値を選択することによって DC 分布プロットを生成する SVM シグマの範囲値を指定 ' 分 ' と ' Max ' ドロップダウン ボックス内、' サンプルの配布の Dc ' エリア。オフにして必要な場合 DC 分布プロットをレポートから除外、' 含む ' のチェック ボックス、' サンプル内の Dc の配布 ' 領域。 指定の適切なプロットの横にチェック マークを配置することによって、レポートに含めるフィルタ リング統計情報を含むプロット、' プロットを選択 ' エリア。クリックして ' OK ' レポートを生成します。 曲線レポート クリックして ' レポート ' メニュー バーで選択 ' 曲線レポート ' を開く、' 曲線レポートを生成 ' ダイアログ。 内のレポートの名前を入力、' レポート名 ' テキスト フィールド。クリックして ' 参照 ' を変更する、' レポート フォルダー ' 希望される場合。 に適切なカーブの横にチェック マークを配置することによって、レポートに含める少なくとも 1 つの曲線を選択、' レポートに含まれるカーブを選択 ' リスト。クリックして ' OK ' レポートを生成します。 線量評価レポート セクション 4 で説明されている線量推定の手順を実行します 。 注意: プロットとコンソールの領域で示された結果から線量評価レポートが生成されます。したがって、線量推定プロットをレポートの生成時にプロット エリア内に存在する必要があります。 クリックして ' レポート ' メニュー バーで選択 ' 線量評価レポート ' を開く、' 線量評価レポートの生成 ' ダイアログ。 内のレポートの名前を入力、' レポート名 ' テキスト フィールド。クリックして ' 参照 ' を変更する、' レポート フォルダー ' 希望される場合。 クリックして ' OK ' レポートを生成します。 6。監査機能 注: このソフトウェアは、ログ ファイルでセッション中に行ったすべての操作を記録。プログラムは、検索、分析のいくつかのインスタンスで、整合性を評価するために使用を表示するログ ファイルを可能にするアクセサリー ソフトウェア アプリケーションを提供し、セッションが終了または途中で不完全なサンプル データを回復する. クリックして ' ヘルプ ' メニュー バーで選択 ' ログの表示 ' ログ ファイル ビューアー補足ソフトウェアを開きます。 ことを確認ログ ファイルは、ウィンドウの左側にあるサイドバーに表示されます。ファイルが表示されていない場合は、クリックして ' ファイル '、選択 ' [ログ ファイルのディレクトリ '、ログ ファイルを含むディレクトリを参照します。 のログ ファイルの内容を表示するサイドバーのログ ファイルの名前をダブルクリックして、' ビューアー '] タブ 選択、' 検索 ' タブ、入力検索用語を 1 つまたは複数のログ ファイルを検索します。 入力検索パラメーターに必要な場合、' から '、' に '、' ユーザー '、' ライセンス '、' 操作 ' と 'パラメーター ' フィールド。 では、スライダーを使用して、選択、' 各ファイルの最大検索結果 '. メモ: ユーザー名など、いくつかの検索パラメーターはそれぞれ対応するログ ファイルで多くの結果を返します。このパラメーターは、各ログ ファイルに表示される検索結果の数を制限します。 にチェック マークを配置、' 検索のみ強調表示ファイル ' チェック ボックス (すべてのログ ファイルは、既定で検索) および強調表示ログ ファイルをログ ファイルのサブセットのみを検索するためにサイドバーで。 チェック、' 整合性チェックを実行 ' チェック ボックス (既定では有効) に予期しないソフトウェアの終了に関連するエラーを検索する対象となる各ログ ファイルを調べる。 クリックして ' 検索 ' ウィンドウの右側にある結果のログ ファイルを検索し、検索を観察。 をクリックして、' ログ ファイルの表示 ' ボタンを強調表示しで指定された行を表示する検索結果に隣接する、' ビューアー '] タブ ログ ファイルの整合性に問題 をクリックして、' の整合性 ' (チェックが要求された) 場合に整合性チェック中に検出されたエラーを表示するタブ 。 メモ: 整合性に問題のログ ファイルを調べます。 検索を実行する必要があります。ログ ファイルを検索することがなく、整合性チェックを実行する、y 検索用語のまますべての検索パラメーター フィールドの黒、' 検索 '] タブで、ことを確認、' 整合性チェックを実行 ' がチェックされ、クリックして ' 検索 '。整合性の問題が検出された場合、' 整合性 ' タブの背景色が赤になる (出力はログ ・ ファイル別) 解決整合性問題できる 。 メモ: 整合性の問題を解決する手順の詳細については、オンライン マニュアルの 14 を参照してください。 7。曲線と線量推定統計情報オプション クリックして ' 設定 ' メニュー バーで選択 ' 統計オプション ' を開く、' 統計オプション ' ダイアログ。 フィッティング法 (最小二乗法や最尤) ドロップ ダウン ボックスからキャリブレーション カーブを選択します。 の横にチェック マークを付けます ' 該当する場合は、校正曲線の 95% 信頼区間を表示 ' 較正曲線をプロットするときに 95% 信頼区間を表示します。 の横にチェック マークを配置 ' 線量推定計算によるポアソン 95 %ci ' ポアソン DC 収量性に基づく線量推定値の 95% 信頼限界を計算する。 の横にチェック マークを付けます ' 線量評価は該当する場合、曲線のための 95% 信頼区間を計算します ' 較正曲線に関連する不確実性に基づく線量推定値の 95% 信頼限界の計算にします。

Representative Results

HC と CNL から得られる中期染色体画像データをソフトウェアのテストを行った。フラド 320 単位で照射した血液サンプル (250 kV x 線、12.5 mA、2 mm アルろ過、線量率: 0.92 または 1.7 Gy/分) HC でイオン室とキャリブレーションし、両方の研究室で処理されます。末梢血リンパ球のサンプルが培養、修正、および確立したプロトコル3,15によると各施設のステンド グラスします。ギムザ染色スライドから中期の画像は、自動顕微鏡システムを用いた各研究室で独自に捕獲されました。各研究室に専門家は、手動でこれらのサンプルのいくつかの Dc を獲得、独自の検量線を構築し、不明なエクスポー ジャーの試験の用量を推定します。表 1 にこれらのデータセットの詳細な説明があります。 物理線量 目的 HC の準備 CNL の準備 呼ばれる名前 # 画像の 呼ばれる名前 # 画像の 0 Gy 校正 HC0Gy 731 CNL0Gy 798 0.1 Gy 校正 HC01Gy 2162 NA NA 0.25 Gy 校正 HC025Gy 1826 NA NA 0.5 Gy 校正 HC05Gy 1054 CNL05Gy 1532 0.75 Gy 校正 HC075Gy 1233 NA NA 1 Gy 校正 HC1Gy 1566 CNL1Gy 841 2 Gy 校正 HC2Gy 1147 CNL2Gy 996 3 Gy 校正 HC3Gy 1212 CNL3Gy 1188 4 Gy 校正 HC4Gy 909 CNL4Gy 1635 5 Gy 校正 HC5Gy 1019 NA NA 3.1 Gy テスト HCS01 540 CNLS01 500 2.3 Gy テスト HCS08 637 CNLS08 500 1.4 Gy テスト HCS10 708 NA NA 1.8 Gy テスト HCS04 600 CNLS04 957 2.8 Gy テスト HCS05 1136 CNLS05 1527 3.4 Gy テスト HCS07 477 CNLS07 735 表 1:ソフトウェアの評価の HC、CNL で提供される画像データの情報源。ローガンら2016年4で表 1の脚注: を変更しました。唯一の手動で事前に選択された画像は、CNL から私たちに以前利用できた。フィルター処理されていない画像が利用可能になるし、画像数がそれに応じて更新されます。さらに、新しく取得した HC サンプル (0.25Gy、0.75Gy、および 5Gy) をご紹介します。 サンプル イメージの自動選択 画質は DC 解析で正しい DC 検出に重要です。細胞遺伝学の専門家によってイメージの選択は通常従来の DC 解析で手動で実行します。ADCI は、自動的に DC 周波数計算16の前に画像を選択するのに定量画像基準を使用します。ユーザーは、特定の染色体の形態および/またはヒト染色体の染色体の細胞遺伝学的定義グループの知られている長さに従ってオブジェクトの長さの相対的な割合によると並べ替えセルに基づいて画像をフィルターのいずれかをことができます (と呼ばれる、グループ箱距離法)。使用可能な形態学的フィルター不完全な染色体セットまたは著名な姉妹の prometaphase 染色体を持つ複数の分裂と細胞像を拒否するスケール不変なしきい値を使用して、非常に曲がったとツイストの染色分け体解離染色体、滑らかな輪郭そのまま核と染色体として認識されるオブジェクトが少ないほど、それらの特性を持つオブジェクトを。図 3(a) と (b)図 3 (c) と (d) は、ソフトウェアでフィルター処理された画像の例に対し、選択した画像の例を示してください。これらの画像はサンプル (表 1 に示す)、HCS05 から派生して、グループ箱距離によってすべてのイメージをランク付けし、最高の 250 の画像を選択する定義済みのイメージ選択モデルによる選択されます。染色体3 図(a)、(b) も分離し、満足のいく形態を展示します。図 3(c) 重複染色体クラスターの過剰な数が含まれています。図 3(d) ショー厳しい姉妹染色分け体の分離。姉妹染色分け体は完全に少なくとも 8 染色体の分離し、セントロメアのくびれ、ほとんど他の染色体の中であいまいです。 図 3: サンプル HCS05 の中期イメージの例 (倍率: 63 X)、選択しないとモデル ‘グループ箱距離上位 250 画像’ で選択した。(A)と(B)選択したイメージです。(C)と(D)モデルによって排除されているイメージです。あまりにも多くの重複染色体が含まれているし、(D) に区切られた妹の過剰な数があったので、(C) が除外された染色分け体。この図の拡大版を表示するのにはここをクリックしてください。 これらのイメージ選択モデルの適用の効果は、サンプルで DC 検出の信頼レベルを調べることで明らかです。照射されたサンプルからの細胞の人口で Dc の出現ポアソン分布に従います。カイ二乗適合度検定は、ポアソン分布の予想に合わせて観測された DC 周波数分布を比較します。派生の値を正しくフィルター サンプル データが DC 周波数予想されるポアソンから有意差ではないを示すことのモデル (通常有意水準 > 0.01)。図 4ディスプレイ DC 出現し、対応する「グループ箱距離、トップ 250 の画像」のモデルが選択した画像のみ対全画像 HC4Gy サンプルのポアソン分布にフィットします。図 4(b) より良いショーは、ポアソン分布に合わせます。P-画像のフィルタ リング設定の値 (0.36) 大幅に超えている図 4 (a) にフィルタ リングされていない DC 分布。5% または 1% 有意水準で、図 4 (a) にフィルタ リングされていないサンプル信頼性が低い、DCs のポアソン分布の帰無仮説として低品質 DC データを含んでいるためには拒否されます。 図 4:周波数比例した DC のスクリーン ショット ソフトウェアでサンプル HC4Gy のポアソン Dstributions に合わせる。(A)すべての画像が含まれ、 (B)モデル (グループ ビン間隔、上位 250 画像) で選択した画像が含まれているだけ。伝説 (右上) を示します (分散インデックス、Mu のテスト、およびラムダ) のポアソン分布に適合の統計と、カイ二乗適合度検定 (p 値)この図の拡大版を表示するのにはここをクリックしてください。 減数分裂の染色体 (DC) 検出 正確な DC 検出は、ADCI の重要な前提条件となる要件です。正しく検出された Dc とソフトウェアによって逃したそれらはそれぞれ真陽性 (Tp) と false ネガ (FNs) として定義されます。Dc ではないが、Dc として正しく検出されないオブジェクトは、誤検知 (FPs) として呼ばれます。FPs は、monocentric 染色体、染色体断片、分けられた姉妹染色分け体、染色体重複したクラスター、および非染色体のオブジェクト。図 5は、2 つの中期の画像で DC 検出の結果を示します。1 と 3 のオブジェクトは、オブジェクト 4 が短い腕に沿って双生児 2 つの明瞭な monocentric 染色体を構成する FP TPs、です。図 5 (a)、オブジェクト 2 は、FP は、もともとその後ソフトウェアの FP フィルターによって修正しますが、。オブジェクト 5 とオブジェクト 6図 5 (b) では、FNs の可能性が高い例を示します。 図 5:スクリーン ショットを示す (A) は、潜在的な Dc の中期の染色体の分類サンプル CNL1Gy ではイメージ (倍率: 63 X) オブジェクト「1」; 1 TP を表示1 FP オブジェクト「2」を修正しました。(B) CNL4Gy のサンプル画像 (倍率: 63 X) オブジェクト「3」; 1 TP を表示1 FP オブジェクト「4」;2 潜在的な FNs、オブジェクト「5」と「6」。未分類染色体、通常持つ単軸修正 FPs TPs は赤、黄色、緑、および青の輪郭とそれぞれ記載されています。この図の拡大版を表示するのにはここをクリックしてください。 テスト サンプルの線量評価 ADCI 分析の最終結果は、検量線から推定されるサンプルの線量の見積もり。表 1のテスト サンプルのソフトウェアによる線量推計値は表-2と3に示されます。比較のため物理的な放射線の量が放出され、HCS01、HCS08、HCS10 のサンプルの HC で、専門家による手動得点の用量が示されています。同様に、物理的および CNL の専門家によって用量を獲得マニュアルの CNLS04、CNLS05 および CNLS07 のとおりです。 カナダ保健省 biodosimetry 研究所サンプル HCS01、HCS08、HCS10、HCS04、HCS05、HCS07 の放射線被曝と較正曲線を図 6に示します。検量線は、HC0Gy、HC1Gy、HC2Gy、HC3Gy、HC4Gy のサンプルを使用して生成されます。3 Z スコアによるフィルター +「グループ箱距離トップ 250 画像」を含むイメージ選択モデルは、すべてのサンプルに適用されます。関連する統計解析とともに被曝は表 2のとおりです。 図 6:HC テスト サンプルの被曝線量のスクリーン ショットします。黒い四角形は、校正サンプルを表します。試料及び校正サンプルのイメージ モデル (3 FP フィルター + グループ箱距離、トップ 250 画像) によって選ばれる。太い点線は、推定線量校正曲線を介して Dc/中期のマッピングを表しています。細い点線上を表すあり、Dc/中期の 95% 信頼限界を下げます。カラー テストのサンプルのコード: 明るい赤、HC S01 (物理線量: HC 推定線量 3.1Gy: 3.4Gy ADCI: 3Gy);ダーク グリーン、HC S04 (物理線量: 1.8Gy ADCI: 1.85Gy);明るい青、HC S05 (物理線量: 2.8Gy ADCI: 2.95Gy);濃い青、HC S07 (物理線量: 3.4Gy ADCI: 2.35Gy);濃い赤、HC S08 (物理線量: HC 推定線量 2.3Gy: 2.5Gy ADCI: 2Gy);明るい緑色、HC を S10 (物理線量: HC 推定線量 1.4Gy: 1.4Gy ADCI: 0.95Gy)。この図の拡大版を表示するのにはここをクリックしてください。 サンプル 物理線量 HC 推定線量 ADCI 推定線量 推定線量 LCL 推定線量 UCL P-値 * HCS01 3.1 3.4 3 2.3 3.8 0.117 HCS08 2.3 2.5 2 1.4 2.7 0.815 HCS10 1.4 1.4 0.95 0.5 1.55 0.211 HCS04 1.8 NA 1.85 1.25 2.55 0.0293 HCS05 2.8 NA 2.95 2.25 3.75 0.00354 HCS07 3.4 NA 2.35 1.7 3.1 0.0002 表 2:HC テスト サンプルの推定結果を線量します。脚注: ローガンら2016年4表 3から変更。以前報告した ADCI 被曝はフィルタ リングされていないイメージに基づいていたし、最小二乗法による曲線のあてはめを行った。ここでは、最尤法を用いた検量線は倒れ、3 FP フィルター +「グループ箱距離トップ 250 画像」を含むイメージ選択モデルは、線量評価の前に適用されました。推定線量 UCLLCL が線量の推定上上下 DC 収量のポアソンの性質に基づいて 95% 信頼限界を参照してください。* 理論的ポアソン分布への適合 chi 平方度NA: 手動で推定線量の結果は提供されませんでした。 被曝線量は、CNLS05、CNLS07、CNLS01、CNLS08、図 7に示すようにカナダの原子力研究所 CNLS04 からのサンプルの見積もりです。検量線は、CNL0Gy、CNL0.5Gy、CNL1Gy、CNL2Gy、CNL3Gy、CNL4Gy のサンプルを使用して生成されます。我々 はすべてのサンプル 6 FP フィルターから成るイメージ選択モデルを適用しました。統計分析結果は、表 3に表示されます。 図 7:CNL テスト サンプルの被曝線量のスクリーン ショットします。黒い四角形は、校正サンプルを表します。試料及び校正サンプルの画像が 6 FP フィルターを使用して選択されます。太い点線は、推定線量校正曲線を介して Dc/中期のマッピングを表しています。細い点線上を表すあり、Dc/中期の 95% 信頼限界を下げます。テストのサンプルのコードを色: 明るい赤、CNL S04 (物理線量: 1.8Gy、CNL 推定線量: 1.7Gy、ADCI: 1.95Gy);濃い赤、CNL S05 (物理線量: CNL 推定線量 2.8Gy: 2.7Gy ADCI: 3.05Gy);明るい緑色、CNL S07 (物理線量: CNL 推定線量 3.4Gy: 3.1Gy ADCI: 3.4Gy);ダーク グリーン、CNL S01 (物理線量: 3.1Gy ADCI: 3.75Gy);青、CNL S08 (物理線量: 2.3Gy ADCI: 2.8Gy)。この図の拡大版を表示するのにはここをクリックしてください。 サンプル 物理線量 CNL 推定線量 ADCI 推定線量 推定線量 LCL 推定線量 UCL P-値 * CNLS04 1.8 1.7 1.95 1.25 2.45 0.0545 CNLS05 2.8 2.7 3.05 2.75 3.35 0.325 CNLS07 3.4 3.1 3.4 3 3.75 0.473 CNLS01 3.1 NA 3.75 3.35 > 4 7.63E-11 CNLS08 2.3 NA 2.8 2.25 3.3 0.777 テーブル 3:CNL の線量推定結果サンプル。脚注: は、テーブル 3、ローガンら2016年4から変更。ADCI 被曝以前に報告がフィルタ リングされていない (HC) に基づいていた (CNL) イメージを手動で選択や最小二乗法による曲線のあてはめを行った。ここでは、最尤法を用いた検量線は倒れ、3 FP フィルター +「グループ箱距離トップ 250 画像」を含むイメージ選択モデルは、線量評価の前に適用されました。推定線量 UCL、LCL はそれぞれ、線量の推定上と DC 収量のポアソンの性質に基づいて 95% 信頼限界を下げるを参照してください。* 理論的ポアソン分布への適合 chi 平方度NA: 手動で推定線量の結果を利用できませんでした。 検量線の直線範囲内の被曝線量の推定 (< 1 Gy) 1.0 の値は推奨シグマ見つけたり Dc (図 8) の頻度をさらに減らすことは、ソフトウェアで実行できます。 図 8:2 つの較正曲線のスクリーン ショットは、別のシグマ値で HC 校正サンプルから派生します。(A) HC 校正サンプル: 2Gy、0Gy、3Gy、4Gy とシグマ 5Gy = 1.5。(B) HC 校正サンプル: 0Gy、0.25Gy、0.5Gy、0.75Gy、1 gy は付与、2Gy、3Gy、4Gy、5Gy を用いた SVM シグマと 1.0 を =。この図の拡大版を表示するのにはここをクリックしてください。 これらの分析は、小がありますが、ソフトウェアによって専門家によって解釈される物理的および生物学的推定線量の許容範囲の違いを示します。物理線量からマニュアルまたはソフトウェアの評価の違いは、「エラー」と呼ばれます。手動で HC と CNL で得点のサンプルの推定用量でエラーは ≤0.3 Gy です。ソフトウェアによる自動処理は、一般的に ± 0.5 Gy3のトリアージの IAEA 指定された限界内の専門家よりもより正確です。テーブル 2と3のテスト サンプルのほとんどは、ソフトウェアは、このしきい値内に正しい結果を生成しました。しかし、HCS07 と CNLS01 を示すポアソン分布する貧しい人々 良さ適合に-のないイメージと FP 選択モデルの適用によって解決されたこれらのサンプルにおける DC 質とイメージで潜在的な問題があったことを示唆しています。P 値の意義しきい値は、ソフトウェアが正確に適切な投与量を判断する、HCS05 の場合過度に厳しいようです。

Discussion

ソフトウェアの機能と制限

このペーパーで説明したプロトコルをインポートし中期の細胞遺伝学的画像処理、放射線を検量線作成および個人またはサンプルの未知の世界にさらされている生物学的線量推定 ADCI で使用される典型的なステップごとの手順を紹介します。放射線レベル。ただし、以下の手順を順番に実行する必要はありません。たとえば、不明な線量の多くのテスト サンプルは処理することができます、同じ事前計算済みの検量線を用いています。さらに、処理が完了すると、イメージの選択および DC モデルをフィルタ リングすることができますで補間されますユーザー。適切な画像の選択モデルのアプリケーション特性に依存し、依存しセルを準備するために使用実験プロトコルと逼迫条件でセルを選択するために使用の両方中期画像データの品質自動中期キャプチャ システム。Biodosimetry や細胞遺伝学的研究所の間で染色体の形態が異なります、したがって、イメージ選択モデルは、ソフトウェアに付属している定義済みのイメージ選択モデルに十分であるかどうかを決定するユーザーによって評価されるべき正確な線量の見積もりを生成または作成する必要があるしきい値カスタム モデル ユーザー定義かどうか。我々 の経験に基づいて、イメージ選択モデルの有効性は、ソースと細胞像の品質に影響されます。ユーザーは、さまざまなフィルターの組み合わせを使用して、目的の画像を選択する偽肯定的な Dc と画像選択モデルと対応するしきい値を排除する独自の画像選択基準を設計できます。線形二次曲線と DC 周波数の係数を変更または手動で入力することができます、較正曲線と線量評価の入力の柔軟性があります。

ソフトウェアは、完全に自動化が、画像が手動で確認し、選択。この機能は、主な GUI で顕微鏡ビューアー機能で個別に処理された画像を削除したりできます。それにもかかわらず、自動化のためソフトウェアは大幅に効率化中期イメージの得点と Dc を数えるマニュアルと比べています。1000 の画像からなるサンプルは、マルチコア ・ パフォーマンスのワークステーション (jpg) 40 分に 20 (tiff) で処理できます。このソフトウェアは複数の個人公開されているか、または放射線にさらされているために疑われたか、一刻が診断と治療にイベントなどのタイム クリティカルな労働集約的な状況で特に役に立つでしょう意思決定が重要です。

Dc として線量推定の正確かつ正確なハイスループット検出が無人放射線評価のため必要です。ソフトウェアその他の利用可能な選択肢は、両方の条件を達成しません。ユーザー支援、イメージ ベース細胞遺伝学的分析 (DCScore、当初17) システム候補 Dc の手動による確認が必要です、高エラーのため裸眼に起因する率が重なる染色体、およびシステムが特定できません放射線量。DCScore は、多数の可能性がある露出された個人を含む放射線イベントで ADCI としては効果がないでしょう。大口径顕微鏡システムは、複数中期細胞18の画像を集めることができる、しかし、彼らはそれらを分析しません。「カバ」19および20ソフトウェアの「線量推定」校正を生成できます曲線、推定線量、DCs を獲得していません。DC 解析に基づいていない他の biodosimetry 試金 H2AX 蛍光、DNA に交配その場で蛍光プローブの特定に目標とされた染色体、遺伝子発現、小核、尿、呼吸器バイオ マーカーがあります。これらメソッド電離放射線の少ない特定なり敏感なより高価ないくつかのインスタンスにすることができますより時間がかかり、一般に標準化されていない複数の参照研究室。長期評価のため使用できませんのでこれらの技術のほとんどは安定した放射線応答を検出しない (> 7 日間暴露後) 被曝線量。対照的に、これを 90 日間暴露後、個人を評価できるし、細胞遺伝学研究室顕微鏡イメージング システムからのデータを処理することができます。しかし、サンプルが描画される場合 > 4 週間曝露後、感受性が減数分裂の異常1,2,3の崩壊による減少し、ソフトウェアは現在 DC 周波数サンプリングでの遅延を解決個人を公開しました。

このソフトウェアには、いくつかの制限があります。既存イメージ選択モデルほとんど許容染色画像を選択が、DC 検出の精度が低く、不満足な画像を排除するためにいくつかのインスタンスでは失敗します。それはまだ開いている質問すべての不適当な中期細胞を排除する満足のいく画像選択モデルをデザインする方法です。ソフトウェアでは、高い放射線量にさらされるサンプルの正確な見積もり (≥ 2 Gy)。偽肯定的な Dc16の数を減らすことでかなりの進歩にもかかわらず、これらのオブジェクトがない解決されました。低線量で品質中期細胞を下げる (特に < 1 Gy) 偽陽性 DC 検出する傾向があります。したがって、低用量のサンプルに含まれていなかった HC テスト サンプルの線量評価用較正曲線を生成するとき。しかし、少量サンプルを含む曲線を使用する場合は、SVM シグマ値が低いほど低用量試料中の偽の肯定的なカウントを減らす、高用量試料中 DC 利回りが低い可能性があります。図 8 線量評価のため使用される HC 曲線を比較して (シグマ = 1.5) 低い SVM シグマ値 (1.0) に追加少量サンプルを持つ校正曲線フィットします。中期の細胞および/または質の悪い中期画像数が不十分なサンプルでは、低用量、0.5 Gy を超える物理線量からの逸脱に至るおそれで生物学的エクスポー ジャーを高精度に推定できない場合があります。

最高の用量-反応曲線線形または線形的モデルに適合する場合、ソフトウェアに放射線の種類が正確に評価しない可能性があります。これまでのところ、それは X とガンマ線にさらされるサンプルでのみテストされています。別の放射線源を検討した場合、ユーザーは校正、テスト サンプルは、同じ種類の放射線にさらされているを確認します。ソフトウェアは、尤または線形二次モデルを用いた用量反応曲線を構築する最小二乗のいずれかを使用します。課す厳密な線形カーブ フィット、オプションがない高エネルギー粒子のエクスポー ジャーの適切なただしこのような機能が将来利用できるように。

将来の発展

私たちの継続的な努力は、イメージ選択モデルと正確な線量測定、特に低線量にさらされているサンプルの改善に取り組んでいます。その後のソフトウェア バージョンは被曝と較正曲線の信頼区間標準誤差測定を提供します。さらに、高パフォーマンス コンピューティング (BG/Q、IBM) 青い遺伝子スーパー コンピューターのためのソフトウェアのバージョンは大量死傷者放射線イベントで公開されている個人のタイムリーな評価のための開発中です。ソフトウェアのいくつかのコンポーネントが既にテストおよびこのプラットフォームに配置小娘 =”xref”> 11。

開示

The authors have nothing to disclose.

Acknowledgements

我々 は細胞遺伝学 biodosimetry 研究室から中期イメージ データにアクセス博士ルース ・ ウィルキンス、放射線生物学、カナダ保健省とファラ Flegal、カナダ原子力研究所の研究者で保護課に感謝しています。本稿は、CytoGnomix (シリアル no. にカナダ技術革新プログラムのビルドからの契約によって支えられました。EN579-172270/001/SC)。ADCI の初期のバージョンとアルゴリズムの開発は西洋の技術革新基金; によって支えられました。自然科学工学研究会議 (レベル検出グラント 371758 2009);米国公衆衛生サービス (DART 線量 CMCR、5U01AI091173-0);イノベーションのためのカナダの財団カナダの研究の椅子、および CytoGnomix (株)

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.

参考文献

  1. Brewen, J. G., Preston, R. J., Littlefield, L. G. Radiation-Induced Human Chromosome Aberration Yields Following an Accidental Whole-Body Exposure to60 Co γ-Rays. Radiat Res. 49 (3), 647-656 (1972).
  2. Bender, M. A., Gooch, P. C. Persistent Chromosome Aberrations in Irradiated Human Subjects. Radiat Res. 16 (1), 44-53 (1962).
  3. INTERNATIONAL ATOMIC ENERGY AGENCY. . Cytogenetic Dosimetry: Applications in Preparedness for and Response to Radiation Emergencies. , (2011).
  4. Rogan, P. K., Li, Y., Wilkins, R. C., Flegal, F. N., Knoll, J. H. M. Radiation Dose Estimation by Automated Cytogenetic Biodosimetry. Radiat Prot Dosimetry. 172 (1-3), 207-217 (2016).
  5. Arachchige, A. S., Samarabandu, J., Knoll, J., Khan, W., Rogan, P. An image processing algorithm for accurate extraction of the centerline from human metaphase chromosomes. 2010 IEEE International Conference on Image Processing. , 3613-3616 (2010).
  6. Arachchige, A. S., Samarabandu, J., Knoll, J., Khan, W., Rogan, P. An Accurate Image Processing Algorithm for Detecting FISH Probe Locations Relative to Chromosome Landmarks on DAPI Stained Metaphase Chromosome Images. 2010 Canadian Conference on Computer and Robot Vision. , 223-230 (2010).
  7. Arachchige, A. S., Samarabandu, J., Rogan, P. K., Knoll, J. H. M. Intensity integrated Laplacian algorithm for human metaphase chromosome centromere detection. 2012 25th IEEE Canadian Conference on Electrical and Computer Engineering (CCECE). , 1-4 (2012).
  8. Li, Y., et al. Towards large scale automated interpretation of cytogenetic biodosimetry data. 2012 IEEE 6th International Conference on Information and Automation for Sustainability. , 30-35 (2012).
  9. Ranjan, R., Arachchige, A. S., Samarabandu, J., Knoll, J. H. M., Rogan, P. K. Automatic Detection of Pale Path and Overlaps in Chromosome Images using Adaptive Search Technique and Re-thresholding. International Conference on Computer Vision Theory and Applications. , 462-466 (2017).
  10. Arachchige, A. S., Samarabandu, J., Knoll, J. H. M., Rogan, P. K. Intensity Integrated Laplacian-Based Thickness Measurement for Detecting Human Metaphase Chromosome Centromere Location. IEEE Trans Biomed Eng. 60 (7), 2005-2013 (2013).
  11. Rogan, P. K., et al. Automating dicentric chromosome detection from cytogenetic biodosimetry data. Radiat Prot Dosimetry. 159 (1-4), 95-104 (2014).
  12. Li, Y., Knoll, J. H., Wilkins, R. C., Flegal, F. N., Rogan, P. K. Automated discrimination of dicentric and monocentric chromosomes by machine learning-based image processing. Microsc Res Tech. 79 (5), 393-402 (2016).
  13. Subasinghe, A., et al. Centromere detection of human metaphase chromosome images using a candidate based method. F1000Res. 5, 1565 (2016).
  14. Wilkins, R. C., et al. Evaluation of the annual Canadian biodosimetry network intercomparisons. Int J Radiat Biol. 91 (5), 443-451 (2015).
  15. Liu, J., Li, Y., Wilkins, R., Flegal, F., Knoll, J. H. M., Rogan, P. K. Accurate Cytogenetic Biodosimetry Through Automation Of Dicentric Chromosome Curation And Metaphase Cell Selection. F1000Research. 6, 1396 (2017).
  16. Schunck, C., Johannes, T., Varga, D., Lörch, T., Plesch, A. New developments in automated cytogenetic imaging: unattended scoring of dicentric chromosomes, micronuclei, single cell gel electrophoresis, and fluorescence signals. Cytogenet Genome Res. 104 (1-4), 383-389 (2004).
  17. Ramakumar, A., Subramanian, U., Prasanna, P. G. S. High-throughput sample processing and sample management; the functional evolution of classical cytogenetic assay towards automation. Mutat Res Genet Toxicol Environ Mutagen. 2015, 132-141 (2015).
  18. Deperas, J., et al. CABAS: a freely available PC program for fitting calibration curves in chromosome aberration dosimetry. Radiat Prot Dosimetry. 124 (2), 115-123 (2007).
  19. Ainsbury, E. A., Lloyd, D. C. Dose estimation software for radiation biodosimetry. Health Phys. 98 (2), 290-295 (2010).

Play Video

記事を引用
Shirley, B., Li, Y., Knoll, J. H., Rogan, P. K. Expedited Radiation Biodosimetry by Automated Dicentric Chromosome Identification (ADCI) and Dose Estimation. J. Vis. Exp. (127), e56245, doi:10.3791/56245 (2017).

View Video