Özet

קרינה מזורז Biodosimetry אוטומטית על ידי כרומוזום Dicentric זיהוי (ADCI) והשערוך מינון

Published: September 04, 2017
doi:

Özet

וזמינותו כרומוזום dicentric cytogenetic (DC) מכמתת את החשיפה לקרינה מייננת. התוכנה אוטומטית מזהה כרומוזום Dicentric ואת המינון משערך בקלות ובמהירות הערכת מינון הביולוגי של בקרי תחום מפה של תאים. זה מבחין בין כרומוזומים monocentric ואובייקטים אחרים מ- Dc, הערכות הקרינה הביולוגית של התדירות של בקרי תחום.

Abstract

מינון הקרינה הביולוגית יכול להיות מוערך מן כרומוזום dicentric תדרים מפה של תאים. ביצוע מבחני כרומוזום dicentric cytogenetic האלה היא באופן מסורתי תהליך ידני, שדורשת גם לא מתאים כדי להתמודד עם הנפח של דגימות שעשויה לדרוש בחינת בעקבות אירוע נפגעים. המזהה כרומוזום Dicentric אוטומטיים ותוכנות במינון משערך (ADCI) ממכן תהליך זה על ידי בחינת סטים של תמונות מפה של שימוש בטכניקות עיבוד תמונה המבוססת על למידה מכונה. בוחר תוכנה תמונות המתאימות עבור ניתוח על-ידי הסרת תמונות ומבניות, מסווג את כל אובייקט כמו צנטרומר המכילים כרומוזום או הלא-כרומוזום, נוסף מבחין בין כרומוזומים כמו monocentric כרומוזומים (MCs) או dicentric כרומוזומים (Dc), קובע DC תדר בטווח דגימה, הערכות הקרינה ביולוגי על-ידי השוואת מדגם DC תדירות עקומות כיול שחושב באמצעות דגימות כיול. פרוטוקול זה מתאר את השימוש של התוכנה ADCI. בדרך כלל, כיול (מינון ידוע) והן במבחן (מנה לא ידוע) סטים של תמונות מפה של מיובאים לבצע הערכה במינון מדויק. תמונות אופטימלית עבור ניתוח ניתן למצוא באופן אוטומטי באמצעות מסננים התמונה מוגדרת מראש או גם יכולים להיות מסונן דרך בדיקה ידנית. תוכנת מעבד התמונות בתוך כל דגימה, DC תדרים מחושבים ברמות שונות של לכתחילה שהתקשרת DCs, באמצעות מכונת למידה בגישה. עקומות כיול לינארית-ריבועית נוצרות בהתבסס על DC תדרים דגימות כיול נחשפים מינונים גופנית ידועה. מינונים של הבדיקה דוגמאות שנחשפו לרמות קרינה לא בטוח מוערך של התדרים שלהם DC באמצעות עקומות כיול אלה. דוחות יכול להיווצר על פי בקשה, מספקים סיכום של תוצאות של דגימות אחד או יותר, של עקומות כיול אחד או יותר, או מינון שערוך.

Introduction

קרינה biodosimetry משתמש סמנים ביולוגיים, בעיקר סטיות כרומוזומליות כגון dicentric כרומוזומים (Dc), translocations כרומוזום למדוד מנות קרינה-אנשים נחשפים. מינון נספג ביולוגית עשוי להיות שונה מן המינון הפיזי נמדדת מכשירים עקב השתנות בין אנשים. באופן דומה, הקרינה של מנה פיזיים מסוימים יכול לייצר חשיפות שונות ביולוגית בשל תנאי פיזיולוגיים או סביבתית כבסיס. ידיעת המינון הביולוגי היא חשיבות מיוחדת עבור אבחון וטיפול.

וזמינותו DC הוא תקן הזהב של ארגון הבריאות העולמי (WHO), הבינלאומית לאנרגיה אטומית ויועד להערכת חשיפה לקרינה ביולוגיות אצל אנשים. זה היה וזמינותו הראשון המומלץ על ידי הסוכנות הבינלאומית לאנרגיה אטומית ומי להערכת במינון הקרינה. תדירות DC יציב יחסית כ- 4 שבועות לאחר חשיפה לקרינה1 והוא קורלציה כמותי שלהם עם מינון הקרינה שנפלטת מדויק, שהופכים DCs את סמן אידיאלי. ניתן לבטא את הקשר בין הקרינה (שאוזכרו אפור [Gy] יחידות), תדירות DC (הפניה כמספר DCs בכל תא) פונקציה לינארית-ריבועית.

וזמינותו DC cytogenetic כבר תקן עבור-55 שנים2התעשייה. זה בוצעה באופן ידני, הדורשים 1-2 ימים כדי לנתח נתונים מיקרוסקופ דגימת דם בודדת. כמה מאות תמונות אלף מספר נחוצים כדי לאמוד במדויק חשיפה לקרינה תלוי במינון3. במינון העולה על 1 Gy, IAEA ממליצה מינימום של 100 DCs יזוהו. בחינת תמונות מפה של 250-500 הוא מנהג נפוץ במעבדות cytogenetic biodosimetry. לקבלת דוגמאות עם חשיפות < 1 Gy, 3,000-5,000 תמונות הם הציעו עקב ההסתברויות נמוכה יותר של היווצרות DC. בכל מקרה, זה פעילות אינטנסיבית-העבודה.

מעבדות cytogenetic biodosimetry ליצור משלהם במבחנה עקומות כיול biodosimetry קרינה לפני הערכת מינונים ביולוגי בדיקת הדגימות. דגימות דם מאנשים בקרה רגיל, נחשפים לקרינה ואז לימפוציטים הם תרבותי מוכן לניתוח מפה של כרומוזום. באמצעות דגימות אלה, מינונים ביולוגי התקבל מכוילים למינונים הפיזי ידוע הנפלטים על ידי מקור קרינה סטנדרטי. לאחר כל תא תמונות נרשמות, מומחים לבחון תמונות, לספור DCs ולחשב תדרים DC עבור כל דגימה. עקומת כיול זה נבנה על ידי התאמת עקומה ליניארית-ריבועית לתדרי DC במינונים כל. לאחר מכן, שניתן להסיק חשיפות בדוגמת הבדיקה מאנשים על ידי התאמת התדרים DC במינונים מכוילת בעקומה או על-ידי ציונם בנוסחה הריבועית ליניארית המתאימה.

אנו יש אוטומטיות הן גילוי של בקרי קבוצת מחשבים, מנה נחישות לזרז את הליך זה באמצעות תוכנה. אוטומטית מזהה כרומוזום Dicentric במינון משערך (ADCI) משתמשת מכונת למידה מבוססי עיבוד תמונה טכניקות כדי לזהות ולהבחין dicentric כרומוזומים (Dc) מ- monocentric כרומוזומים (MCs) ואובייקטים אחרים ואת ממכן קרינה הערכת מינון. התוכנה שמטרתו באופן משמעותי לצמצם או למנוע את הצורך של אימות ידני של DC ספירות להאיץ במינון הערכה באמצעות אוטומציה. היא פיתחה עם המעורבות של הפניה biodosimetry מעבדות-בריאות קנדה (HC) מעבדות הגרעין קנדי (CNL). המשוב שלהם יבטיח כי הביצועים ימשיכו בקריטריונים הבינלאומית לאנרגיה אטומית על זה וזמינותו.

התוכנה מבצעת את הפונקציות הבאות: 1) סינון DCs בחירת תמונות תא מפה של האופטימלית עבור ניתוח, כרומוזום 2) זיהוי, איתור DC ונחישות תדירות DC ו 3) הערכת מינון הקרינה של מינון-מכויל, נתוני קרינה cytogenetic. תוכנה זו מעבד קבוצות של מפה של תמונות מאותו בודדים (הנקרא מדגם), נחשב מספר בקרי קבוצת מחשבים באמצעות כל תמונה טכניקות עיבוד, ומחזירה מינון הקרינה המשוערת שהתקבלו על-ידי כל מדגם ביחידות של אפורים (Gy).

התוכנה נועדה להתמודד עם מגוון של מבנים כרומוזום, ספירות, צפיפות. עם זאת, האלגוריתם מבצעת בצורה אופטימלית מפה של תמונות המכילות מהווה השלמה מלאה ליד של כרומוזומים מופרדים היטב, ליניארי4. תמונות המכילות מאוד חופף סטים של כרומוזומים, תאים מרובים, מפה לא שלמה של תאים, אחות כרומטידה ההפרדה, גרעינים, אובייקטים שאינם כרומוזומלית, פגמים אחרים. המצמצמים את הדיוק של האלגוריתם. מוקדש מודלים של בחירת התמונה, אחרים פילוח אובייקט ספי ניתן לסנן את רוב תת אופטימלית תמונות ו- DCs חיובי כוזב.

מתבצע איתור של כרומוזום dicentric כאשר תמונה מעובדת. האלגוריתם מנסה לקבוע אילו אובייקטים בתמונה הם כרומוזומים ומאתרת ואז סביר להניח centromeres על כל כרומוזום שני האיזורים. לאחר מכן, סדרה של שונות תמיכה וקטור המכונה (מכונת וקטורים תומכים) למידה מודלים להבחין כרומוזומים Dc או רגיל, monocentric הכרומוזומים. מכונת וקטורים תומכים הדגמים נבדלים רגישות וסגוליות של גילוי DC (ראה שלב 3.1.4 להלן), אשר יכולים להשפיע על התדרים DC שנקבעות במדגם.

ADCI תהליכים ערכות Giemsa – (או דאפי-) צבעונית מפה של תמונות דיגיטליות (בתבנית TIFF או JPG) עבור דגימות אחד או יותר. התוכנה מנתחת DCs דגימות כיול והן הבדיקה דוגמאות. המנות הפיזי (ב- Gy) של דגימות כיול ידועים ומשמשים דור של עקומת כיול. המנות פיזי וביולוגי של אנשים עם חשיפות לא ידוע להסיק על ידי התוכנה מעקומת כיול שנוצרו על-ידי מכונה. למרות מעבדות להשתמש בטכניקות דומות, עקומות כיול ממעבדות שונות משתנות לעיתים קרובות3. דוגמאות עקומת וניסוי שני כיול מהמעבדה באותו תעובד על מינון מדויק הערכת בדיקת הדגימות.

תוכנה זו מציעה מהירות, דיוק ומדרגיות אילו כתובות הפרודוקטיביות נדרש להתמודד עם אירוע שבו אנשים רבים יש בו זמנית לבדוק אותו. היא פותחה מ 2008-20174,5,6,7,8,9,10,11,12 ,13. שימוש בחומרת המחשב האחרונה, זה שולחן העבודהתוכנת מחשב יכול לעבד, הערכת מינון הקרינה במדגם החולה של 500 מקבילות הגנום מפה של 10-20 דקות 4. הקוד מבוסס על ערכה של סגמנטציה קניינית ומכונת לימוד אלגוריתמים לניתוח כרומוזום. מומחה לניתוח של כל כרומוזום נחשפים לקרינה Gy 3 נתן דומה accuracies ADCI. סט של 6 דוגמאות חשיפות לא ידוע (בשימוש בעבר תרגיל בקיאות בינלאומי), התוכנה מוערך מינונים בתוך 0.5 Gy של הערכים שהתקבלו על ידי סקירה ידני של אותם נתונים על ידי HC ו CNL, שמילאת דרישות הסוכנות הבינלאומית לאנרגיה אטומית לקביעת סדר עדיפיות biodosimetry. יתר על כן, סטנדרטיזציה inter-laboratory, ובסופו של דבר הפארמצבטית מינון הערכת תועלת מהצורך DC משותף, אוטומטית ניקוד אלגוריתם. עם זאת, התוכנה מאפשרת התאמה אישית של תמונת קריטריוני סינון ובחירה, המאפשרת הבדלים בשיטות הכנה כרומוזום ומקורות כיול קרינה כדי לקחת בחשבון.

תוכנה זו היא ממשק משתמש גרפי (GUI) – מערכת מבוסס אשר מנתחת סטים של תמונות כרומוזום המכיל Giemsa (או דאפי) – צבעונית מפה של תאים עבור חריגות כתוצאה מחשיפה לקרינה מייננת. ערכות תמונה דיגיטלית מצטלמים עם מערכת מיקרוסקופ אור (או פלורסנטי), כל קבוצה מקבילה מדגם אחר. התוכנה משתמשת טכניקות כדי לזהות ולהבחין DCs של MCs ואובייקטים אחרים עיבוד תמונה. פילוח הנתונים באופן אמפירי-derived מסננים ואז באופן אוטומטי לחסל DCs חיובי כוזב מבלי להשפיע על אמת DCs. לבסוף, התוכנה מסנן באופן אוטומטי לא רצויים תמונות בהתבסס על מאפייני התמונה שונים נמצאו תמונות מפה של איכות ירודה עם התמונה מחושב מראש (או מוגדרים על-ידי המשתמש) מבחר דגמים. תמונות אלה כוללים את אלה המכילים מוגזמת או מספרים לא מספיק של אובייקטים “רועשים”, מספר כרומוזומים חופפים, תמונות חסר מפה של כרומוזומים, מספר מופרז של אחותי chromatids4. נתוני התמונה אוטומטית. ואצור משמשים כדי ליצור עקומת כיול במינון מדגימות במינון הקרינה הידועים ומשמשים כדי להעריך חשיפות של הבדיקה דוגמאות נחשפים מינונים לא ידוע.

הפלט של התוכנה ניתן לצפות בהם נשמר כמו: צפו ב 1) מבוססי טקסט פלט במסוף, 2) מגרשים אשר ניתן לשמור תמונות ו- 3) דוחות בתבנית HTML. היבטים רבים של התוכנה ניתנים להתאמה אישית שיתאימו לצרכים הספציפיים של מעבדות שונות. מעבדות בודדים מספקים בדרך כלל דגימות כיול ובדיקה מוכן ואסף בהתבסס על פרוטוקול cytogenetic תוקף את המעבדה. זה שומר על אחידות של הכנת הדוגמא ומאפשר עקומות כיול שנוצר מ כיול דגימות שתחול והכוונה לבחון דגימות נגזר שימוש באותו הפרוטוקול. ניתן ליצור עקומות כיול גם עקומת המקדמים או DC תדרים במינונים מוגדרים. האומדנים המינון המדויק ביותר מתקבלים על ידי סינון תמונות באיכות נמוכה ו- DCs חיובי כוזב (FPs). מבחר של קבוצות משנה תמונה אופטימלית בתוך כל מדגם מושגת באמצעות ‘תמונת בחירה מודלים’ כי לחסל את תמונות מתחת לממוצע, אשר נוטים להציג FPs. סדרה של מודלים מאומתים מראש כלולים עם התוכנה, דגמים נוספים אולם עם ספי מותאם אישית ובמסננים יכול להיות שיצרת ושמרת, על-ידי המשתמש.

ברגע שהתוכנה נטען בהצלחה, הממשק הראשי משתמש גרפי (GUI) מוצג (ראה איור 1). מממשק זה, דוגמאות, שכל אחד מהם מורכב של תיקיה של קבצי תמונה מפה של התא, ייתכן שבחרת ויש לעבד כדי לזהות בקרי קבוצת מחשבים, עקומות כיול עשוי להיות נוצר בהשוואה ו מינון החשיפה לקרינה של דגימות עשוי להיקבע.

Figure 1
איור 1: המגזרים העיקריים כוללים משתמש ממשק גרפי: רשימה של דוגמאות (1), רשימה של כיול ‘ עקומות ‘ (2), התהליך בתור (3), אשר מפקח על המצב של גילוי DC בכל קבוצה של תמונות של כל דגימה, מגרש הצג (4), אשר מסכמת את המאפיינים כמותי סטטיסטי או אחר של קבוצת תמונות בדוגמאות או עקומות כיול, המסוף (5) אשר מכיל טקסט תיאורי כמו התוצרים של כל פעולה המבוצעת על-ידי התוכנית. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

Protocol

1. ייבוא ודוגמאות תהליך לחץ ' דגימות ' שורת התפריטים, בחר ' החדש מדגם '. חפש מדריך המתאים המכיל קבוצת מפה של תמונות ולחץ ' בחר תיקייה '. הקלד מזהה ייחודי עבור הדגימה בתוך ' ציין מזהה ייחודי עבור הדוגמה החדשה ' שדה טקסט. מזהה זה יזהה את הדגימה בסביבת העבודה. מזהי מדגם להכיל אלפאנומרי, ' _ ', או '-' תווים בלבד. הכללה של מקור מעבדה, המינון הפיזי (עבור דגימות כיול) המזהה מדגם ידוע. (אופציונלי) לספק תיאור של הדגימה במקרה הצורך בתוך ' תיאור המדגם (אופציונלי) ' אזור טקסט. לחץ על ' אישור ' כדי להוסיף את דגימת החדשה לסביבת העבודה. חזור על שלבים 1.1 עד 1.4 כדי להוסיף דוגמאות נוספות . ליצור מינימום של 3 דגימות כיול (שבעה או יותר מומלץ 3 חשיפות שונות) ודגימת מבחן אחד לפחות כדי לבצע הערכת מינון. לסמן כל דוגמאות שנוצרו בשלבים 1.1 עד 1.5 ב ' דגימות ' ברשימה ולחצו על ' Sample(s) להוסיף לתור תהליך ' () סמל. לחץ ' לעבד כל דוגמאות בתור ' () סמל כדי לעבד כל דוגמאות ברצף שבתור – ' ADCI עיבוד ' הדו-שיח מופיעה המכילה את כל הדגימות בתור יחד עם אנחנו חיים התקדמות לחץ על כאשר כל דוגמאות השלמת עיבוד, . לשמור דגימות כעת, או לחץ על ' לשמור מדגם שעובדו בקובץ מדגם ADCI ' () סמל לשמירת מדגם מעובד מאוחר יותר. 2. צפייה, בחירה של תמונות (אופציונלי, צעד מומלץ) הערה: שלב זה מתאר את השימוש של הצופה תמונת מפה של ויצירת מודל בחירת התמונה. דגמים לבחירה התמונה המאומת כלולים בתוכנה אשר יכולים לשמש דור עקומת כיול והשערוך במינון. לפיכך, צעד זה אינו נדרש, אך זה עשוי לשמש כמדריך המתארת את השלבים הנחוצים לעשות זאת, אם רצונך בכך. האר מדגם בתוך ' דגימות ' ברשימה, לחץ על ' דגימות ' בתפריט בר, ובחרו ' תצוגת תמונה ' כדי לפתוח ' מציג תמונה מפה של ' . Navigating בין תמונות בחר תמונה מתיבת רשימה נפתחת כדי להציג תמונה מסוימת. לחץ על סמלי החצים ימינה ושמאלה כדי לגלול בין תמונות- בחר ערך סיגמא מכונת וקטורים תומכים בתיבת רשימה נפתחת כדי להציג תוצאות איתור DC הערך סיגמא. בחר " Unprocessed " מתוך תיבת רשימה נפתחת כדי להציג תמונות raw ללא קווי מתאר של כרומוזום. לבדוק ' ‘ היפוך ‘ ' תיבת הסימון להיפוך ערכי צבע ובהירות לכל פיקסל בתמונה. לבדוק ' התמונה ברשימה לצפות ' תיבת סימון כדי להוסיף את התמונה נראה לעין ' יכינו רשימת '. לחץ על ' שמור רשימה Watch לקובץ טקסט ' () סמל כדי להציל את השמות של כל התמונות ברשימה לצפות בקובץ טקסט. תמונה מבחר דגמים לחץ ' להציג את כל התמונות ' (בחירת ברירת המחדל) כדי לכלול את כל התמונות בתיבת רשימה נפתחת של בחירת התמונה. לצפות את הטקסט הסמוך ' תמונות שכלולות ' לגלות את השבר של תמונות שנבחרו לפי מודל הבחירה לתמונה שהוחלה כעת. לחץ על ' נוף כללו דימויים ' כדי לכלול רק אלה תמונות אשר לא לא נכללו לפי מודל בחירת התמונה בתיבת רשימה נפתחת. לחץ על ' תצוגה נשלל תמונות ' כדי לכלול תמונות אשר לא נכללו לפי מודל הבחירה לתמונה שהוחלה בתיבה הנפתחת. סימון ' לא לכלול ' תיבת סימון ידני לא לכלול תמונה אחת. הערה: תמונות באופן ידני שלא נכללו משוחזרים את התמונה שנבחרה לקבוע אם מודל בחירת התמונה ולאחר מכן חלה. להציל את מבחר של תמונות על ידי לחיצה ' להציל את הבחירה ' לחצן. הזן שם קובץ עבור הבחירה שנשמרה כשתתבקש. לחץ על ' טען בחירה ' כדי להחיל בבחירה שנשמרה. לחץ על ' החל מסננים תמונה ' כדי לפתוח ' המבוסס על החל מסנן מודל הבחירה תמונת מדגם הנוכחי ' הדו-שיח, אשר יוצר, שומר או מחיל קריטריונים לבחירת תמונות מפה של דגימה. בחר מודל הבחירה תמונה מהרשימה לאכלס מראש. לחץ על ' אישור ' ליישם את המודל הנוכחי. הזן תיאור עבור מודל חדש הרצוי, להגדיר ' מסננים אי-הכללה של תמונת ', להגדיר ' התמונה דירוג והכללה ', ולחץ ' להציל את מודל הבחירה ' ליצירת תמונה בחירת דגם- הערה: ההגדרות של ' התמונה דירוג והכללה ' שיטות וכל ' מסנן אי-הכללה של תמונת ' ניתן למצוא תוכנה בתיעוד המקוון 14. 3. עקומת הדור (Recommended optional step) עקומת כיול אשף דגימות כיול ודא מינימום של שלושה נמצאים בסביבת העבודה לפני שתמשיך. לחץ על ' קוסמים ' שורת התפריטים, בחר ' עקומת כיול ' כדי לפתוח את אשף כיול עקומה. הערה: למרות רק שלוש דוגמאות נדרשים מבחינה מתמטית מתאימה ולחישוב עקומת כיול, שבעה או יותר דגימות המתפרסות על-פני טווח של חשיפות בין 0 ל- 5 Gy מומלצים. הדגימות נוספים נחוצים להתאים את עקומת כיול כדי תגובה לינארית-ריבועית במינון, אולם הערכים סיגמא אופטימלית עשוי להיות נמוך יותר על מנת לקבל עקומות שאינם שמישים עבור הערכה במינון נמוך (< 1 Gy); הערכים סיגמא אופטימלית עבור מנות מעל הסף הזה הם שונים (עיין שלב 3.1.4). להמשיך דרך אשף מקדים מסך, הצב סימן ביקורת לצד כל מדגם כיול הרצוי. עבור כל דגימה כיול נבחר בדרך זו, ציין את המינון הפיזי (ב- Gy) הדגימה נחשף בתוך שדה הטקסט הצמודה שלו. המשך אל המסך הבא באשף. בחר מודל בחירת התמונה אם הרצוי מהרשימה של מודלים המכיל תמונות מראש מבחר דגמים יחד עם התוכנה בנוסף דוגמניות שנוצר ידנית. המשך אל המסך הבא באשף. בחר ערך מכונת וקטורים תומכים סיגמא מתוך התיבה הנפתחת. המשך אל המסך הבא אשף . הערה: ערך מכונת וקטורים תומכים סיגמא של 1.4 או 1.5 מומלץ עבור מנה הערכות > 1 Gy, וערך של 1.0 עבור הערכות מתחת 1 Gy ( איור 2). סקור את הבחירות קודם מסך סיכום ולחץ ' סיום ' כדי להשלים את פעולת האשף, גורם prepopulatאד ' ליצור עקומה ' הדו-שיח תופיע. איור 2: ויזואליזציה של ההשפעה של שינוי ערך סיגמא מכונת וקטורים תומכים מאלגוריתם על אמת חיובי (TP) וספירות DC חיובי כוזב (FP), Calue ניבוי חיובי (PPV), ואת חיובי נכון לדרג (TPR). אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת. ליצור דו-שיח עקומה. (דלג על שלב זה אם נעשה שימוש באשף) לחץ על ' עקומות ' שורת התפריטים, בחר ' עיקול חדש '. בחר ' עקומת התאמה לנתוני מנה-תגובה ' מתוך התיבה הנפתחת שהוצגו בתוך הדו-שיח ולחץ על ' אישור '. לציין זהות יחודית עבור עקומת ' לציין זהות יחודית עבור העקומה החדשה ' תיבת טקסט בתוך ' ליצור עקומה ' הדו-שיח. (אופציונלי) הזן תיאור עבור העקומה החדשה בתוך ' להוסיף תיאור קצר עבור העקומה ייווצרו ' תיבת טקסט. (דלג הבאות צעדים אם אשף עקומת ששימשה ליצירת עקומת כיול) להגדיר ערכי עקומה. הערה: אשף עקומת כיול שמתואר בשלב 3.1 שדות ממלא מראש ' ליצור עקומה ' הדו-שיח. השלבים שלהלן מתארים כיצד באופן ידני לאכלס שדות אלה. אם האשף שימש, כמה מדרגות למטה ניתן עדיין בעקבות במידת הצורך, כדי להוסיף או להסיר נתונים נוספים. בחרו ערך סיגמא מכונת וקטורים תומכים באפשרויות ב ' מכונת וקטורים תומכים ' תיבת רשימה נפתחת – מומלץ כי הערך סיגמא שנבחרו כאן מתאים לערך סיגמא שבחרת בעת שימוש עקום זה כדי לבצע הערכת מינון. (אופציונלי) ציין מודל הבחירה של התמונה על-ידי לחיצה ' לציין קובץ ' כפתור. לחץ על ' קלט ' כדי להוסיף ערך ריק חדש לרשימה מנה-תגובה מתחת לכותרת ' במינון התגובה קלט נתונים כדי ליצור עקומה '. להזין את המינון של מדגם כיול Gy תחת הכותרת ' במינון '. Enter ' התגובה (DC/תא) ' להסיק בדוגמת פלט המסוף כאשר מדגם מודגשת. אתר את ערך DC/התא המתאים עבור הערך מכונת וקטורים תומכים סיגמא שנבחרו קודם לכן בתוך המסוף או מהדוח הדגימה המתאימה (שלב 5.1, אם הוא זמין), להזין את זה בשדה זה. חזור על השלבים 3 הקודם עד כל הדגימות כיול נוספו. לעיתונות ' לאמת נתונים ' על מנת להבטיח את התוכן של התגובה-המינון רשימה מעוצבים כראוי – ודא כל השדות ברשימה במינון התגובה המסומן ירוק המציין נתונים חוקיים. העיתונות ' אישור ' כדי לסיים את היצירה של העקומה. כדי להציל את עקומת החדש ' להציל את עקומת? ' הדו-שיח המופיעה בעת לחיצה על ' אישור '. או לחץ על ' להציל את עקומת לקובץ עקומת ADCI ' () סמל מודגשות בתוך ' עקומות ' לפרט מאוחר יותר. 4. מנה שערוך (Recommended optional step) במינון שערוך אשף לחץ על ' קוסמים ' שורת התפריטים, בחר ' במינון שערוך '. להמשיך דרך אשף מקדים מסך בחר עקומת כיול שכבר נוצר מתוך התיבה הנפתחת – תכונותיו יופיע מתחת. המשך אל המסך הבא באשף. הצב סימן ביקורת לצד הבדיקה דוגמאות של חשיפה לא ידוע כדי לכלול אותם במינון שערוך. המשך אל המסך הבא באשף. לבחון את תיאור והמאפיינים של המודל בחירת התמונה מוחל בעת דור עקומת כיול. שים לב כי בחירת תמונה לדוגמא מוחל על הדגימות שנבחרו הבדיקה. המשך אל המסך הבא באשף. הערה: להלן התיאור של המודל בחירת התמונה, באותו הדגם מאוכלס, יוחלו על הדגימות בדיקת הבחירה. חלות בחירת התמונה באותו הדגם כיול ובדוק דגימות. אמנם זה ניתן להחיל מודלים בחירת תמונה שונה על-ידי בחירת דגם אחר מהרשימה הנפתחת, לא מומלץ- בחר ערך מכונת וקטורים תומכים סיגמא מהרשימה הנפתחת. המשך אל המסך הבא באשף. הערה: ערך מכונת וקטורים תומכים סיגמא המשמש בעת יצירת עקומת כיול מאוכלס. מומלץ כי ערך זה יישארו ללא שינוי. סקור את הבחירות הקודמות במסך סיכום ולחץ ' סיום ' כדי להשלים את פעולת האשף – לאכלס מראש ' במינון מחשבון ' הדו-שיח תופיע. במינון מחשבון (דלג על שלב זה אם נעשה שימוש באשף) לסמן את עקומת כיול מהרשימה של עקומות תחת הכותרת ' עקומות ', לחץ על ' עקומות ' בתפריט בר, ובחרו ' לחשב מנה ' כדי לפתוח ' במינון מחשבון ' הדו-שיח. (דלג על שלבים אלה, אם נעשה שימוש באשף) להגדיר ערכי עבור הערכת מינון. הערה: האשף במינון שערוך שמתואר בשלב 4.1 שדות ממלא מראש ' במינון מחשבון ' הדו-שיח. השלבים שלהלן מתארים כיצד באופן ידני לאכלס שדות אלה. אם האשף שימש, כמה מדרגות למטה ניתן עדיין בעקבות במידת הצורך, כדי להוסיף או להסיר נתונים נוספים. לחץ ' Sample(s) שימוש בסביבת למלא DC תדרים ' () סמל והאר לבחון דגימות בתוך ' מעובד דוגמאות ADCI סביבת עבודה של ' הרשימה כדי להוסיף את הדגימות שנבחרו ' תדרים DC עבור הערכת מינון ' רשימת. לבחור מכונת וקטורים תומכים סיגמא ערך ותמונה בחירת מודל עבור אלה דוגמאות מתוך תיבות רשימה נפתחת. הערה: ערך מכונת וקטורים תומכים סיגמא התאמת הערך סיגמא המשמש ביצירת עקומת כיול נדרש מינון מדויק שערוך. ערך סיגמא המשויך עקומת כיול רשום בתחתית ' במינון מחשבון ' הדו-שיח. (אופציונלי) הבדיקה נוספים הוסף דוגמאות באמצעות חזרה על שני השלבים הקודמים. לחלופין, להוסיף דוגמאות מרובים בו-זמנית על-ידי סימון מספר דוגמאות ' עיבוד הדגימות בסביבת ' רשימת. (אופציונלי) לחץ ' להזין ערך תדירות DC ' () סמל כדי להזין באופן ידני Dתדירות C לא משויך דוגמה במידת הצורך – התדר DC החדש יתווסף ' DC סטיות עבור הערכת מינון ' רשימת. לחיצה כפולה (אופציונלי) ' שם ' בתחום תדר DC מוזן באופן ידני כדי לשנות את שמו. (אופציונלי) גולת הכותרת המתאימה ודוגמאות לחץ ' DC להסיר את תדירות ' () סמל כדי להסיר דגימות נוספו ' DC סטיות עבור הערכת מינון ' ברשימה שגיאה. לחץ על ' אישור ' לסגור ' במינון מחשבון ' ויש לבצע הערכה מינון – התוצאות הן פלט למסוף. כמו מנה להערכת התוצאות יוצגו במסוף בתבנית טבלאית עבור כל דגימה מבחן, להתבונן ' DC תדר ', ' מכונת וקטורים תומכים ', ' מינון מוערך ' (מכיל את ההערכה ביולוגי במינון של המדגם מבחן ב- Gy), ו ' להחיל תמונה בחירת דגם ' שדות. 5. דיווח הערה: השיטה שבה משתמשים שם דוח ובחר ספרייה שבתוכו הוא נשמר נפוץ לכל סוגי הדו ח. א ' שם דוח ' חייב להינתן. כאשר נוצר דוח, ספריה המכילה קבצי דוחות תיווצר באמצעות שם זה באופן אוטומטי. ספריה זו יוצב בהישג זה ' ח התיקיה '. כברירת מחדל, ' ח התיקיה ' הוא מדריך בשם ' דוחות ' מצאו בספריה הנתונים שצוין במהלך ההתקנה. ח מדגם לחץ על ' ח ' שורת התפריטים, בחר ' מדגם דו ח ' כדי לפתוח ' להפיק דוח מדגם ' הדו-שיח. הזן שם עבור הדוח ב ' שם דוח ' שדה טקסט. לחץ על ' עיון ' כדי לשנות ' ח התיקיה ' במקרה הצורך. בחר מדגם מעובד אחד לפחות כדי לכלול בדו ח על-ידי הצבת סימן ביקורת לצד דוגמאות המתאימות ' בחר דגימות ' רשימת. לציין של ערכים בטווח של מכונת וקטורים תומכים סיגמא שעבורו להפקת DC חלוקת מגרשים על-ידי בחירת ערכים ' מין ', ' מקס ' תיבות רשימה נפתחת בתוך ' הפצה של DCs מדגם ' באזור. לא לכלול DC חלוקת מגרשים מהדוח במקרה הצורך על ידי ביטול הסימון ' כוללים ' תיבת הסימון של ' הפצה של DCs מדגם ' באזור. לציין אילו החלקות המכיל סטטיסטיקות סינון כדי לכלול בדו ח על-ידי הצבת סימני הביקורת לצד מגרשים מתאימים ' בחר חלקות ' באזור. לחץ על ' אישור ' כדי ליצור את הדו ח. עקומה דו ח לחץ על ' ח ' שורת התפריטים, בחר ' עקומה דו ח ' כדי לפתוח ' להפיק דוח עקומת ' הדו-שיח. הזן שם עבור הדוח ב ' שם דוח ' שדה טקסט. לחץ על ' עיון ' כדי לשנות ' ח התיקיה ' במקרה הצורך. בחר עקומה אחת לפחות כדי לכלול בדו ח על-ידי הצבת סימן ביקורת לצד עקומות המתאים ' בחר עקומות שתיכלל בדו ח ' ברשימה. לחץ על ' אישור ' כדי ליצור את הדו ח. דוח הערכה מינון בצע במינון להערכת השלבים המתוארים בסעיף 4. הערה: דוחות הערכה במינון נוצרים את התוצאות הצביעו באזורים ‘ עלילה ‘ מסוף. לפיכך, מגרש שערוך במינון חייב להיות נוכח אזור ההתוויה בזמנו נוצר דוח. לחץ על ' ח ' שורת התפריטים, בחר ' דוח הערכה מינון ' כדי לפתוח ' צור דוח הערכה מינון ' הדו-שיח. הזן שם עבור הדוח ב ' שם דוח ' שדה טקסט. לחץ על ' עיון ' כדי לשנות ' ח התיקיה ' במקרה הצורך. לחץ על ' אישור ' כדי ליצור את הדו ח. 6. ביקורת על יכולות הערה: התוכנה רשומות כל הפעולות שבוצעו במהלך מפגש בקובץ יומן רישום. התוכנית מספקת יישום תוכנה אביזר ומאפשר את קובצי היומן להצגה, חיפוש, להשתמש כדי להעריך את התקינות של ניתוח, במקרים מסוימים, כדי לשחזר נתונים לדוגמה מתוך לא שלם או בטרם עת שהסתיימו הפעלות. לחץ על ' לעזור ' שורת התפריטים, בחר ' תצוגת יומני ' כדי לפתוח את קובץ יומן הרישום מציג התוכנה משלימה. קבצי יומן רישום ודא מפורטים בסרגל הצדדי בצד שמאל של החלון. אם אין קבצים גלויים, לחץ על ' קובץ ', לבחור ' הספריה של קובץ יומן הרישום בחר ', ולעיין לספריה המכילה קבצי יומן רישום. פעמיים על השם של קובץ יומן רישום בסרגל הצדדי כדי להציג את תוכן קובץ יומן הרישום, ' מציג ' בכרטיסיית בחר ' חיפוש ' בכרטיסיה קלט חיפוש תנאי חיפוש אחד או יותר קבצי יומן רישום. פרמטרי החיפוש קלט, אם רצונך בכך ' של ', ' כדי ', ' משתמש ', ' רשיון ', ' מבצע ', ו ' פרמטרים ' שדות. השתמש במחוון כדי לבחור ' תוצאות חיפוש מקס עבור כל קובץ '. הערה: מספר פרמטרים החיפוש, כגון שם משתמש, יחזיר תוצאות רבות בכל קובץ יומן הרישום התואם. פרמטר זה מגביל את מספר תוצאות החיפוש המוצגות בכל קובץ יומן. הצב סימן ביקורת ב ' החיפוש מסומן רק קבצים ' תיבת סימון (כל יומן קבצים מתבצע חיפוש כברירת מחדל) והאר בקבצי יומן בתיבה הצידית של חיפוש רק תת-ערכה של קבצי יומן רישום. לבדוק ' לבצע בדיקת תקינות ' תיבת סימון (מופעל כברירת מחדל) לבדוק כל קובץ יומן הרישום זכאי להיות חיפוש עבור שגיאות הקשורות לסגירת תוכנה בלתי צפויה. לחץ על ' חיפוש ' חפש קבצי יומן רישום ולבחון חיפוש תוצאות בצד ימין של החלון. לחץ ' הצג קובץ יומן רישום ' לחצן הסמוכים תוצאת חיפוש כדי להאיר, הצג את הקו המסומן ב- ' מציג ' בכרטיסיית בעיות תקינות קובץ יומן לחץ ' שלמות ' הכרטיסיה כדי להציג את השגיאות שנמצאו במהלך בדיקת תקינות (אם הבדיקה התבקש). הערה: יש לבצע חיפוש לבדוק קבצי יומן רישום עבור בעיות תקינות. כדי לבצע בדיקת תקינות ללא חיפוש קבצי יומן רישום עבורy מונחי חיפוש, פשוט לעזוב כל השדות פרמטר חיפוש שחור ב- ' חיפוש ', ודא ' לבצע בדיקת תקינות ' מסומנת ולחצו על ' חיפוש '. אם נמצאו בעיות תקינות, ' תקינות ' הכרטיסייה רקע צבע יהפוך חא תקינות לפתור בעיות (הפלט מקובץ לפי קובץ יומן הרישום) במידת האפשר. הערה: לקבלת מידע נוסף לגבי שלבים לפתרון בעיות תקינות, עיין בתיעוד המקוון 14. 7. עקומת ואפשרויות סטטיסטיקה הערכת מינון לחץ על ' הגדרות ' שורת התפריטים, בחר ' אפשרויות סטטיסטיקה ' כדי לפתוח ' אפשרויות סטטיסטיקה ' הדו-שיח. בחר עקומת כיול התאמת שיטת (הריבועים הפחותים או מקסימום-הסבירות) מתוך התיבה הנפתחת. הצב סימן ביקורת לצד ' להציג עקומת כיול 95% CI, אם הוא ישים ' כדי להציג את מרווחי ביטחון של 95% בעת התוויית עקומת כיול. הצב סימן ביקורת לצד ' במינון שערוך מחשבת 95% CI עקב פואסון ' לחישוב 95% מגבלות ביטחון על מינון אומדנים המבוססים על מהות פואסון DC התשואה. הצב סימן ביקורת לצד ' במינון שערוך מחשבת 95% CI עקב העיקול, אם הוא ישים ' לחישוב 95% מגבלות ביטחון על מינון אומדנים המבוססים על אי ודאות בנושא עקומת כיול.

Representative Results

בדיקות התוכנה בוצע עם מפה של כרומוזום נתוני התמונה המתקבל HC ו CNL. דגימות דם היו מוקרן על ידי יחידת XRAD-320 (250 kV צילומי רנטגן, 12.5 mA, 2 מ מ Al סינון, מינון: 0.92 או 1.7 Gy/min) מכויל עם תא יון-HC ומעובדים במעבדות בשני. דגימות דם היקפיים לימפוציטים היו תרבותי, קבוע, צבעונית במתקן כל אחד על פי פרוטוקולים הוקמה3,15. מפה של תמונות משקופיות שהוכתמו Giemsa נלכדו באופן עצמאי על ידי כל מעבדה באמצעות מערכת אוטומטית מיקרוסקופ. מומחים בכל מעבדה הבקיע DCs בכמה הדוגמאות הללו באופן ידני, נבנה משלהם עקומות כיול ומהו מינונים של הבדיקה דוגמאות של חשיפות לא ידוע. תיאור מפורט של אלה datasets ניתנת טבלה 1. מנה פיזית מטרה הכנה HC CNL הכנה התייחס שם # של תמונות התייחס שם # של תמונות 0 Gy כיול HC0Gy 731 CNL0Gy 798 0.1 Gy כיול HC01Gy 2162 נה נה 0.25 Gy כיול HC025Gy 1826 נה נה 0.5 Gy כיול HC05Gy 1054 CNL05Gy 1532 0.75 Gy כיול HC075Gy 1233 נה נה 1 Gy כיול HC1Gy 1566 CNL1Gy 841 2 Gy כיול HC2Gy 1147 CNL2Gy 996 3 Gy כיול HC3Gy 1212 CNL3Gy 1188 4 Gy כיול HC4Gy 909 CNL4Gy 1635 5 Gy כיול HC5Gy 1019 נה נה 3.1 Gy מבחן HCS01 540 CNLS01 500 2.3 Gy מבחן HCS08 637 CNLS08 500 1.4 Gy מבחן HCS10 708 נה נה 1.8 Gy מבחן HCS04 600 CNLS04 957 2.8 Gy מבחן HCS05 1136 CNLS05 1527 3.4 Gy מבחן HCS07 477 CNLS07 735 טבלה 1: מקורות של נתוני התמונה מסופק על ידי HC ו CNL להערכה של התוכנה-הערת שוליים: ששינה מן טבלה 1 ב רוגן. et al., 20164. רק תמונות באופן ידני שנבחרו מראש היו זמינים קודם לכן אלינו מן CNL. תמונות לא מסונן הופכים לזמינים, התמונה ספירות מתעדכנים בהתאם. בנוסף, לאחרונה רכשה HC דגימות (0.25Gy, 0.75Gy ו 5Gy) מוצגים כאן. בחירת תמונה אוטומטי בדגימות איכות התמונה היא קריטית לאיתור DC נכונים בניתוח DC. בחירת התמונה על-ידי מומחים cytogenetic מתבצע בדרך כלל באופן ידני בניתוח DC קונבנציונלי. ADCI משתמש תמונה כמותית קריטריונים לבחירת באופן אוטומטי תמונות לפני חישוב תדר DC16. המשתמשים יכולים גם מסנן תמונות בהתבסס על כרומוזום ספציפי מורפולוגיות ו/או סוג תאים על פי כמויות יחסיות של אורכים של עצמים לפי אורכים הידוע של cytogenetic מוגדרת על-ידי קבוצות של הכרומוזומים קריוטיפ אנושית נורמלית (כינה שיטת מרחק קבוצה-bin). המסננים הזמינים מורפולוגי להשתמש בקנה מידה-שמורה ספי לדחות תא תמונות עם ערכות כרומוזום לא שלם או עם metaphases מרובות, עם כרומוזומים prometaphase, עם אחותו בולטים כרומטידה דיסוציאציה, עם מאוד עקום ומעוות כרומוזומים, עם אובייקטים אופיינית של גרעינים שלמים, ואלה שבו אובייקטים פחות מזוהים כרומוזומים קווי המתאר החלקים. איור 3 (א), (ב) להראות דוגמאות לתמונות הנבחרות, ואילו באיור 3 (ג) ו- (ד) הם דוגמאות של תמונות מסוננים על ידי התוכנה. תמונות אלה נגזרים מתוך מדגם HCS05 (שמתואר טבלה 1), נבחרו לפי מודל בחירת התמונה מראש אשר מדרג את כל התמונות על ידי קבוצה סל מרחק, ולאחר מכן בוחר את התמונות הטובות ביותר 250. הכרומוזומים. איור 3 (א), (ב) מופרדים היטב, ולהציג מורפולוגיה משביע רצון. איור 3 (ג) מכיל מספר מופרז של כרומוזום חופף אשכולות. איור 3 (ד) אחותי חמורה מראה כרומטידה ההפרדה. Chromatids אחותי מופרדים לחלוטין לפחות 8 של הכרומוזומים, constrictions centromeric אינם חד משמעיים במרבית הכרומוזומים אחרים. איור 3: דוגמאות של תמונות מפה של מדגם HCS05 (הגדלה: 63 X), הן Unselected והן נבחרות לפי מודל ‘קבוצה סל מרחק, Top 250 תמונות’- (א) ו- (ב) הם תמונות שנבחרו. (ג) ו- (ד) הן תמונות זה חוסלו על ידי המודל. (ג) הוצאה מהכלל מכיוון היא הכילה יותר מדי כרומוזומים חופפים והיה (ד) מספר מופרז של אחותי מופרדים chromatids. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת. השפעת יישום מודלים אלה מבחר תמונות מתבטא בכך שחקר את רמת הביטחון של גילוי DC במדגם. המופעים של בקרי קבוצת מחשבים בקרב אוכלוסיה של תאים דוגמה לקרינה בצע התפלגות פואסון. המבחן הטוב-של-fit מתפלג משווה את ההתפלגות תדירות DC שנצפה התאם הצפוי התפלגות פואסון. מודלים כראוי נתונים לדוגמה מסנן מוצג DC תדרים לא שונה באופן משמעותי מן פואסון הצפוי נגזר ערכים (בדרך כלל ברמת מובהקות > 0.01). איור 4 מציג התרחשויות DC, המתאימה מתאים כדי הפצות פואסון עבור הדגימה HC4Gy של כל התמונות לעומת רק תמונות שנבחרו על ידי המודל “קבוצה סל מרחק, העליון 250 תמונות”. איור 4 (ב) הופעות יותר שיתאים התפלגות פואסון. P-ערך (0.36) של קבוצת תמונות מסוננים באופן משמעותי חורג של ההתפלגות DC לא מסונן איור 4 (א). 5% או רמות מובהקות של 1%, המדגם לא מסונן איור 4 (א) פחות אמינה, מכיוון שהוא מכיל נתונים DC באיכות נמוכה יותר, בתור ההיפותזה של התפלגות פואסון בדרור נדחית. איור 4: צילומי מסך של תדרים DC בפרופורציה מתאימה פואסון Dstributions של מדגם HC4Gy בתוכנה. (א) כל התמונות הן כללו, (B) רק תמונות שנבחרו על ידי מודל (מרחק סל קבוצה, תמונות top 250) הינם כלולים. האגדה (למעלה מימין) מציין את הסטטיסטיקה של התאם התפלגות פואסון (מדד הפיזור, מו, בדיקה של למדא) ותנובת מתפלג של מבחן מתאים (ערך p) אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת. זיהוי dicentric כרומוזום (DC) איתור מדויק של DC היא הדרישה תנאים מוקדמים קריטיים של ADCI. זיהה DCs ואלה פספס את התוכנה בהתאמה מוגדרים נכון תוצאות חיוביות (TPs). ותשלילים שווא (FNs). האובייקטים אינם בקרי קבוצת מחשבים, אך מזוהה באופן שגוי כמו DCs, מכונים תוצאות חיוביות שגויות (FPs). FPs כוללים monocentric הכרומוזומים, שברי כרומוזום, אחות מופרדים chromatids, כרומוזום חופף אשכולות ואובייקטים שאינם כרומוזומלית. איור 5 מראה את התוצאות של DC זיהוי בתמונות מפה של שני. אובייקטים 1 ו- 3 הינם TPs, בעוד אובייקט 4 הוא FP הכוללת שני כרומוזומים monocentric ברורים מילקסיית לאורך זרועות קצרות שלהם. איור 5 (א), אובייקט 2 היה במקור FP, אך לאחר מכן תוקן על-ידי מסנני FP בתוכנה. אובייקט 5 המחפשים לשלב בין טיפול אלטרנטיבי ונוחות סביר דוגמאות FNs אובייקט 6 איור 5 (b). איור 5: צילומי מסך לציין מפה של כרומוזום סיווג של פוטנציאל DCs. (א) תמונה מדגם CNL1Gy (הגדלה: 63 X) מציג TP 1, אובייקט “1”; ו 1-FP, אובייקט “2”. (B) תמונה מדגם CNL4Gy (הגדלה: 63 X) מציג TP 1, אובייקט “3”; 1 FP, אובייקט “4”; 2 FNs פוטנציאליים, אובייקטים “5” ו- “6”. תוכנית-המיתאר, FPs המתוקן, monocentric רגיל וכרומוזומים לא מסווג מתוארים בהתאמה עם קווי מתאר אדום, צהוב, ירוק וכחול. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת. שערוך במינון של הבדיקה דוגמאות תוצאה סופית של ניתוח ADCI הן המינון הערכות של דגימות להסיק מן עקומות כיול. מינון אומדנים שנעשו על ידי התוכנה עבור הבדיקה דוגמאות בטבלה 1 הם הצביעו על לוחות 2 ו- 3. לשם השוואה, הנפלטים מינון הקרינה הפיזי, מסומנות המנות הצליחו ידנית על ידי מומחים HC עבור דגימות HCS01, HCS08 ו- HCS10. באופן דומה, הפיזי ואת המדריך הבקיע מינונים על ידי מומחים CNL מוצגים עבור CNLS04, CNLS05 ו- CNLS07. איור 6 מדגים עקומות כיול עם הערכות מינון הקרינה עבור הבריאות בקנדה דגימות של מעבדה biodosimetry HCS01, HCS08, HCS10, HCS04, HCS05 ו- HCS07. עקומת כיול נוצר באמצעות דגימות HC0Gy, HC1Gy, HC2Gy, HC3Gy ו- HC4Gy. מודל הבחירה התמונה המכיל 3 Z-הציון מבוססי מסננים + “קבוצה סל מרחק, top 250 תמונות” מוחל על כל הדגימות. הערכות במינון יחד עם ניתוחים סטטיסטיים הקשורים מוצגות בטבלה מס ‘ 2. איור 6: צילום מסך של אומדן במינון HC הבדיקה דוגמאות. ריבועים שחורים מייצגים דגימות כיול. תמונות של הבדיקה דוגמאות ודוגמאות כיול ייבחרו לפי המודל (3 מסננים FP + קבוצה סל מרחק, העליון 250 תמונות). קווים מנוקדים עבה מייצגים את המיפוי של בקרי קבוצת מחשבים/מפה של דרך עקומת כיול לקחת מנה המשוער. קווים מנוקדים דק מציינות העליונה ולהוריד 95% בטחון הגבולות של בקרי קבוצת מחשבים/מפה. קודים של הבדיקה דוגמאות צבע: אדום בוהק, HC S01 (מנה פיזית: 3.1Gy, מנה HC להסיק: 3.4Gy, ADCI: 3Gy); ירוק כהה, HC S04 (מנה פיזית: 1.8Gy, ADCI: 1.85Gy); כחול בהיר, HC S05 (מנה פיזית: 2.8Gy, ADCI: 2.95Gy); כחול כהה, HC S07 (מנה פיזית: 3.4Gy, ADCI: 2.35Gy); אדום כהה, HC S08 (מנה פיזית: 2.3Gy, HC להסיק מינון: 2.5Gy, ADCI: 2Gy); ירוק בהיר, HC S10 (מנה פיזית: 1.4Gy, HC להסיק מינון: 1.4Gy, ADCI: 0.95Gy). אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת. דגימות מנה פיזית מינון הנגזרת HC ADCI ההערכה מנה מינון מוערך LCL מינון מוערך UCL P-ערך * 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 נה 1.85 1.25 2.55 0.0293 HCS05 2.8 נה 2.95 2.25 3.75 0.00354 HCS07 3.4 נה 2.35 1.7 3.1 0.0002 בטבלה 2: מנה להערכת התוצאות של הבדיקה HC דוגמאות.הערת שוליים: שינויים בלוח 3 במקור רוגן. et al., 20164. ADCI במינון הערכות דיווח בעבר התבססו על תמונות לא מסונן, פריסטלטיות בוצעה באמצעות שיטת הריבועים הפחותים. כאן, עקומת כיול היה להתאים באמצעות השיטה מרבי-הסבירות, מודל הבחירה תמונה המכילה מסננים FP 3 + “קבוצה סל מרחק, top 250 תמונות” הוחל לפני הערכת מינון. מינון מוערך UCLLCL להפנות מנה הערכה העליונה ולהוריד מגבלות ביטחון 95% בהתבסס על מהות פואסון DC התשואה. * צ’י מרובע מטיב ההתאמה ההתפלגות הפואסונית תאורטית; נה: לא נמסרו תוצאות במינון נגזרת באופן ידני. מינון הקרינה ההערכות דגימות קנדי CNLS04 מעבדות הגרעין, CNLS05, CNLS07, CNLS01, CNLS08 מוצגות באיור איור 7. עקומת כיול נוצר באמצעות דגימות CNL0Gy, CNL0.5Gy, CNL1Gy, CNL2Gy, CNL3Gy ו- CNL4Gy. אנחנו מוחלים מודל הבחירה התמונה המורכבת 6 FP מסננים את כל הדגימות. התוצאות עם ניתוחים סטטיסטיים מוצגים בטבלה3. איור 7: צילום מסך של אומדן במינון CNL הבדיקה דוגמאות. ריבועים שחורים מייצגים דגימות כיול. תמונות של הבדיקה דוגמאות ודוגמאות כיול שנבחרו באמצעות מסננים FP 6. קווים מנוקדים עבה מייצגים את המיפוי של בקרי קבוצת מחשבים/מפה של דרך עקומת כיול לקחת מנה המשוער. קווים מנוקדים דק מציינות העליונה ולהוריד 95% בטחון הגבולות של בקרי קבוצת מחשבים/מפה. קודים של הבדיקה דוגמאות צבע: אדום בוהק, CNL S04 (מנה פיזית: 1.8Gy, מנה CNL להסיק: 1.7Gy, ADCI: 1.95Gy); אדום כהה, CNL S05 (מנה פיזית: 2.8Gy, מנה CNL להסיק: 2.7Gy, ADCI: 3.05Gy); ירוק בהיר, CNL S07 (מנה פיזית: 3.4Gy, מנה CNL להסיק: 3.1Gy, ADCI: 3.4Gy); ירוק כהה, CNL S01 (מנה פיזית: 3.1Gy, ADCI: 3.75Gy); כחול, CNL S08 (מנה פיזית: 2.3Gy, ADCI: 2.8Gy). אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת. דגימות מנה פיזית CNL להסיק מינון ADCI ההערכה מנה מינון מוערך LCL מינון מוערך UCL P-ערך * 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 נה 3.75 3.35 > 4 7.63E-11 CNLS08 2.3 נה 2.8 2.25 3.3 0.777 טבלה 3: תוצאות הערכת מינון CNL לבחון דגימות.הערת שוליים: שינוי טבלה 3, רוגן. et al., 20164. ADCI במינון הערכות דיווח בעבר התבססו על לא מסונן (HC) או באופן ידני שנבחר (CNL) תמונות, פריסטלטיות בוצעה באמצעות שיטת הריבועים הפחותים. כאן, עקומת כיול היה להתאים באמצעות השיטה מרבי-הסבירות, מודל הבחירה תמונה המכילה מסננים FP 3 + “קבוצה סל מרחק, top 250 תמונות” הוחל לפני הערכת מינון. מינון מוערך UCL ו- LCL, עיין בהתאמה, מינון מוערך העליונה ולהוריד מגבלות ביטחון 95% בהתבסס על מהות פואסון DC התשואה.* צ’י מרובע מטיב ההתאמה ההתפלגות הפואסונית תאורטית; נה: תוצאות במינון באופן ידני הנגזרת לא היו זמינים. הערכת מינון הקרינה בטווח ליניארי של עקומת כיול (< 1 Gy) ניתן לבצע באמצעות התוכנה, אולם סיגמא ערך של 1.0 מומלץ כדי להוסיף ולצמצם את התדירות של שסווגו בקרי קבוצת מחשבים (איור 8). איור 8: צילומי מסך של שתי עקומות כיול נגזר HC דגימות כיול על ערכים שונים סיגמא. (א) דגימות כיול HC: 0Gy, 2Gy, 3Gy, 4Gy, ו 5Gy-סיגמא = 1.5. (B) HC כיול דוגמאות: 0Gy, 0.25Gy, 0.5Gy, 0.75Gy, 1Gy, 2Gy, 3Gy, 4Gy, 5Gy באמצעות מכונת וקטורים תומכים סיגמא = 1.0. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת. ניתוחים אלה מציינים כי יש קטן, אבל מקובל ההבדלים בין מינון נגזרת ביולוגית פיזיקליות מתפרש על ידי מומחים על ידי התוכנה. ההבדל בין הערכה או ידני או תוכנה מן הכמות הפיזית מכונה “שגיאה”. השגיאה במינונים הנגזרת של דגימות הבקיע באופן ידני על ידי HC ו CNL הוא ≤0.3 Gy. עיבוד אוטומטי על ידי תוכנת הוא פחות מדויקות מומחים, אבל בדרך כלל בתוך גבולות מוגדרים על-ידי הבינלאומית לאנרגיה אטומית נקים ± 0.5 Gy3. עבור רוב הבדיקה דוגמאות ב 2 טבלאות ו- 3, התוכנה הפיק תוצאות נכונות בתוך לגודל הסף הזה. עם זאת, HCS07, CNLS01 התערוכה המסכן הטוב-של-התאמה כדי התפלגות פואסון, רומז כי היו בעיות פוטנציאליות בתמונת ואיכות DC בדגימות אלה היו נפתרות על-ידי יישום של התמונה ואת FP מבחר דגמים. סף המובהקות של ערך p מופיע להחמיר יתר על המידה. במקרה של HCS05, איפה התוכנה נקבע במדויק את המינון הנכון.

Discussion

היכולות והמגבלות של התוכנה

הפרוטוקול המתואר במאמר זה מציג את ההליך הדרגתיים אופייני בשימוש ADCI לייבא לעיבוד תמונות מפה של cytogenetic, ליצור קרינה עקומות כיול ושל הערכת מינון ביולוגי יחידים או דגימות נחשפים נודע רמות הקרינה. עם זאת, אין צורך לבצע את ההוראות הבאות ברצף. לדוגמה, רבים הבדיקה דוגמאות במינון לא ידוע ניתן לעבד, נותחה באמצעות עקומת כיול מחושב מראש אותו. יתר על כן, לאחר השלמת עיבוד, בחירת התמונה של DC סינון מודלים יכול להיות iterated על-ידי המשתמש. מודל בחירת התמונה המתאימה תלויה המאפיינים ואת איכות התמונה מפה של הנתונים, אשר בתורו מסתמך הן על פרוטוקול המעבדה משמשת להכנת תאים והקריטריונים לכתחילה משמש כדי לבחור את התאים עם כלים אוטומטיים מפה של מערכות הלכידה. כרומוזום מורפולוגיות יהיה שונה בין biodosimetry ומעבדות cytogenetic, לכן, צריך להעריך הדגמים בחירת התמונה על-ידי המשתמש כדי לקבוע אם הדגמים מבחר תמונות מוגדרות מראש שסופק עם התוכנה יהיה מספיק כדי לייצר מינון מדויק הערכות, או בין אם אישית מודלים עם-ידי המשתמש ספי צריך להיווצר. על סמך הניסיון שלנו, האפקטיביות של מודלים בחירת התמונה מושפעת את מקור ואיכות התמונות התא. משתמשים יכולים לעצב את קריטריון הבחירה תמונה שלהם, באמצעות צירופים שונים של מסננים כדי למנוע Dc חיובי כוזב התמונה מבחר דגמים, ואת ערכי הסף המתאימים כדי לבחור את התמונות הרצויות. יש גמישות קלט של עקומות כיול והשערוך במינון, כפי המקדמים של עקומה ליניארית-ריבועיות ו DC התדרים ניתן לשינוי או שלא יהיה, באופן ידני.

למרות התוכנה הוא אוטומטי לחלוטין, תמונות באופן ידני או שנבחר. יכולת זו זמינה לכלול או להסיר תמונות בנפרד מעובדים באמצעות הפונקציה מיקרוסקופ מציג GUI הראשי. יחד עם זאת, בשל אוטומציה, התוכנה היא באופן משמעותי יעיל יותר בהשוואה עם המדריך הניקוד של כל תמונות וספירת DCs. מדגם המורכב של 1000 תמונות ניתן יהיה לעבד 20 (tiff) ל- 40 דקות (jpg) על תחנת עבודה מרובי ליבות ביצועים. תוכנה זו תהיה שימושית במיוחד במצבים או עתירי זמן מסירה קריטי, כגון אירועים אשר בכמה אנשים נחשפו או נחשדו נחשפו לקרינה, או איפה המאבחן הרגיש וטיפול ההחלטות הן קריטיות.

זיהוי תפוקה גבוהה ומדויקת של בקרי תחום, כמו גם הערכת מינון נחוצים להערכת קרינה ללא התערבות. חלופות אחרות זמינים לתוכנה לא למלא שתי דרישות אלה. בסיוע המשתמש, המבוססת על תמונה cytogenetic ניתוח (DCScore, Metasystems17) המערכת דורשת אימות ידני של המועמד DCs עקב שגיאת גבוה שיעור המיוחס שלא תוקנו חופף בין כרומוזום, המערכת אינו קובע מינון הקרינה. DCScore לא יהיה יעיל כמו ADCI באירוע קרינה המערבים מספר גדול של אנשים העלול להיות חשוף. מערכות מיקרוסקופ צמצם גדול יכול לאסוף תמונות של מפה של מספר תאים18, עם זאת, הם לא מנתחים אותם. “תיקים”19 ו “מנה מעריכים” תוכנה20 ניתן להפיק כיול עקומות, ההערכה מנה, אך לא ניקוד DCs. מבחני biodosimetry אחרים, שאינם מבוססים על ניתוח DC כוללים H2AX פלורסצנטיות, קרינה פלואורסצנטית בחיי עיר הכלאה עם ה-DNA רגשים כרומוזומים יעד ספציפי, ביטוי גנים, micronucleus assay, שתן, סמנים ביולוגיים בדרכי הנשימה. שיטות אלה הן פחות ספציפיים ופחות רגיש לקרינה מייננת, יכול להיות יותר יקר, במקרים מסוימים, הם זמן רב יותר, יש בדרך כלל לא בוצע סטנדרטיזציה על פני מספר מעבדות הפניה. רוב שיטות אלה לא לזהות תגובות קרינה יציב, כך שהם אינם יכולים לשמש עבור הערכה לטווח ארוך (> 7 ימים לאחר חשיפה) במינון הקרינה. לעומת זאת, זו ניתן להעריך יחידים עד כדי 90 יום לאחר חשיפה והיא יכולה לעבד נתונים כלשהם מיקרוסקופ מעבדה ציטוגנטיקה מערכת הדמיה. עם זאת, אם מדגם מצויר > 4 שבועות לאחר חשיפה, רגישות מופחתת עקב התפוררות סטיות dicentric1,2,3 ולתקן התוכנה לא כעת DC תדרים עיכובים בדגימה הנדבקים.

תוכנה זו יש מספר מגבלות. המודלים הקיימים של בחירת תמונה לבחור בעיקר מקובל מפה של תמונות, אך במקרים מסוימים, להיכשל למנוע תמונות משביעת רצון, אשר יכול להפחית את הדיוק של זיהוי DC. . זה עדיין שאלה פתוחה כיצד לעצב מודל הבחירה תמונה משביעת רצון המבטל את כל התאים מפה של ומבניות. התוכנה מספקת הערכות מדויקות עבור דגימות נחשפים מינונים גבוהים יותר של קרינה (≥ 2 Gy). למרות התקדמות משמעותית בהפחתת מספר DCs חיובי כוזב16, אובייקטים אלה לא חוסלו. להוריד את איכות מפה של תאים במינון הקרינה נמוכה (במיוחד < 1 Gy) נוטים יותר גילוי DC חיובי כוזב. לכן, במינון נמוך דגימות לא נכללו בעת יצירת עקומת כיול המשמש להערכת במינון של HC הבדיקה דוגמאות. עם זאת, אם עיקול המכיל דוגמאות במינון נמוך רצוי, ערך נמוך מכונת וקטורים תומכים סיגמא מפחיתה ספירת חיובי כוזב בדגימות במינון נמוך אך עלול להניב תשואות נמוכות DC בדגימות במינון גבוה. איור 8 משווה העקומה HC המשמש להערכת מינון (סיגמא = 1.5) עם עקומת כיול מתאים עם דוגמאות נוספות במינון נמוך לפי שווי נמוך יותר מכונת וקטורים תומכים סיגמא (1.0). בדגימות עם מספר לא מספיק של מפה של תאים ו/או איכות ירודה מפה של תמונות, לא ייתכן ניתן לאמוד במדויק חשיפות ביולוגי במינון נמוך, פוטנציאל וכתוצאה מכך לחריגות הפיזי במינון העולה על 0.5 Gy.

ייתכן התוכנה לא במדויק להעריך את סוגי קרינה אם שלהם עקומות מנה-תגובה הכי מתאים מודל ליניארי או ליד ליניארי. עד כה, זה נבדקו רק עם דגימות חשופים X – ו קרני גמא. אם מקור קרינה אחר נבדק, משתמשים עליך להבטיח דגימות כיול ובדיקה נחשפים מאותו סוג של קרינה. התוכנה משתמשת נראות מקסימלית או הריבועים הפחותים מתאים לבנות עקומת מנה-תגובה באמצעות מודל ליניארי-ריבועית. אין כרגע אפשרות להטיל עקומה ליניארית קפדנית מתאים, מתאים עבור חשיפות חלקיקים באנרגיה גבוהה, אולם פונקציונליות כזו של יהיו זמינים בעתיד.

פיתוח עתידי

המאמצים המתמשכים שלנו מתמקדים שיפור התמונה מבחר דגמים ומדידה במינון מדויק, בפרט של דגימות נחשפים מנות קרינה נמוכה. גירסאות תוכנה עוקבות תספק מדידות שגיאה סטנדרטית על הערכות במינון ומרווחי בטחון על עקומות כיול. בנוסף, גרסה גבוהה–מחשוב עם ביצועים של התוכנה עבור מחשב העל של ג’ין כחול (BG/Q, IBM) נמצא בפיתוח להערכת בזמן של אנשים שנחשפו באירוע נפגעים קרינה. רכיבים מסוימים של התוכנה כבר נבדקו והוכחה שנפרסו על הפלטפורמהלאס = “xref” > 11.

Açıklamalar

The authors have nothing to disclose.

Acknowledgements

אנחנו אסירי תודה ד ר רות וילקינס, רדיוביולוגיה, הגנה חטיבת הבריאות בקנדה, ו Flegal פארה, מעבדות הגרעין קנדי ואנשי המעבדה שלהם עבור גישה לנתונים תמונת מפה של ממעבדות cytogenetic biodosimetry שלהם. נייר זה נתמך על ידי חוזה לבנות בתוכנית חדשנות קנדה CytoGnomix (מס ‘ סידורי EN579-172270/001/SC). הגרסה הראשונית של ADCI ופיתוח אלגוריתמים נתמכו על ידי הקרן חדשנות המערבי; מדעי הטבע, הנדסה מועצת המחקר של קנדה (NSERC גילוי גרנט 371758-2009); שירות בריאות הציבור האמריקני (חץ במינון CMCR, 5U01AI091173-0); קרן הקנדית לחדשנות; קנדה מחקר כיסאות, ו CytoGnomix inc

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.

Referanslar

  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

Bu Makaleden Alıntı Yapın
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