Özet

Hızlandırılmış radyasyon Biodosimetry tarafından otomatik Disentrik kromozom tanımlama (ADCI) ve doz tahmini

Published: September 04, 2017
doi:

Özet

Sitogenetik Disentrik kromozom (DC) tahlil iyonizan radyasyon quantifies. Otomatik Disentrik kromozom tanımlayıcı ve doz Tahmincisi yazılım doğru ve hızlı bir şekilde biyolojik doz metafaz hücrelerdeki DCs dan tahmin ediyor. Monocentric kromozomlar ve diğer nesneleri DCs ayıran ve biyolojik radyasyon dozu DCs frekans tahmin ediyor.

Abstract

Biyolojik radyasyon dozu metafaz hücrelerdeki Disentrik kromozom frekanslar üzerinden tahmin edilebilir. Bu sitogenetik Disentrik kromozom deneyleri yapmak geleneksel olarak değil de bir kitle kayıp olay sonrasında muayene isteyebilir örnekleri hacmi işlemek için uygun bir manuel, emek yoğun bir işlemdir. Otomatik Disentrik kromozom tanımlayıcı ve doz Tahmincisi (ADCI) yazılım makine öğrenme tabanlı görüntü işleme teknikleri kullanarak metafaz görüntü kümesi inceleyerek bu işlemini otomatikleştirir. Uygun görüntüleri için uygun olmayan görüntüler, kaldırarak analiz sınıflandırır her nesne bir şeması içeren kromozom veya sigara-kromozom, daha fazla yazılım seçer ayıran kromozomlar monocentric kromozomlar (MCs) veya Disentrik Kromozom (DCs), bir örnek içindeki DC sıklığını belirler ve biyolojik radyasyon dozu kalibrasyon numuneleri kullanılarak hesaplanan kalibrasyon eğrileri ile örnek DC frekansı karşılaştırarak tahmin ediyor. Bu iletişim kuralı ADCI yazılım kullanımını açıklar. Genellikle, kalibrasyon (bilinen doz) ve test (bilinmeyen doz) setleri metafaz görüntülerin doğru doz tahmin gerçekleştirmek için alınır. Analiz için optimum görüntü otomatik olarak önceden ayarlanmış resim filtreleri kullanarak bulunabilir veya aynı zamanda el ile muayene filtre uygulanabilir. Belgili tanımlık bilgisayar yazılımı içinde her örnek resimlerini işleyen ve DC Frekanslar sıkılık DCs, yaklaşım öğrenme bir makine kullanarak çağırmak için farklı düzeylerde hesaplanır. Lineer ikinci dereceden kalibrasyon eğrileri DC Frekanslar için bilinen fiziksel dozlarda maruz kalibrasyon örneklerinde baz alınarak oluşturulmuştur. Test örnekleri belirsiz radyasyon düzeylere maruz doz bu kalibrasyon eğrileri kullanarak DC frekansları tahmin edilir. Raporlar talep üzerine oluşturulabilir ve bir veya daha fazla örnekleri, bir veya daha fazla kalibrasyon eğrileri veya doz tahmin sonuçlarının özetini sunar.

Introduction

Radyasyon biodosimetry biyolojik işaretleyicileri çoğunlukla kromozom anomalileri Disentrik kromozom (DCs) ve bireylerin maruz kaldığı radyasyon doz ölçmek için kromozom translokasyonlar gibi kullanır. Biyolojik absorbe doz aletleri bireyler arasında değişkenlik nedeniyle tarafından ölçülen fiziksel dozu farklı olabilir. Benzer şekilde, belirli bir fiziksel doz radyasyon temel fizyolojik ve çevresel koşullar nedeniyle farklı biyolojik pozlama üretebilir. Biyolojik doz bilgisine hem tanı hem de tedavi için belirli önem taşıyor.

DC tahlil biyolojik radyasyona maruz kişilerde değerlendirmek için altın standart Dünya Sağlık Örgütü (WHO) ve uluslararası atom enerjisi Ajansı (IAEA) olduğunu. IAEA ve kim tarafından radyasyon doz değerlendirme için önerilen ilk tahlil yapıldı. DC frekansı yaklaşık 4 hafta sonra radyasyon pozlama1 nispeten istikrarlı ve onların nicel korelasyon verilmiş radyasyon dozu ile hangi ideal biyomarker DCs yapmak doğru. Radyasyon dozu (gri [Gy] birimlerinde başvurulan) ve (DCs sayısı hücre başına olarak başvurulan) DC frekansı arasındaki ilişki bir ikinci derece denklem doğrusal fonksiyonu olarak ifade edilebilir.

Sitogenetik DC tahlil için yaklaşık 55 yaş2Standart sanayi olmuştur. El ile 1-2 gün tek kan örneği mikroskop verileri çözümlemek için gerektiren yapılmıştır. Birkaç yüz birkaç bin resimlere radyasyona maruz kalma doz3bağlı olarak doğru bir şekilde tahmin etmek için ihtiyaç vardır. 1 Gy aşan dozlarda IAEA en az 100 DCs tespit önerir. 250-500 metafaz görüntü incelenmesi biodosimetry sitogenetik laboratuarları içinde yaygın bir uygulamadır. Pozlama ile örnekleri için < 1 Gy, 3.000-5.000 görüntüleri nedeniyle DC oluşumu değerler alt önerdi. Her iki durumda da, bu emek yoğun bir iştir.

Sitogenetik biodosimetry laboratuvarları kendi vitro test örneklerinde biyolojik doz değerlendirilmesi önce radyasyon biodosimetry kalibrasyon eğriler oluşturmak. Kan örnekleri normal, denetim bireylerin radyasyona maruz kalır ve lenfositler daha sonra kültürlü ve metafaz kromozom analizi için hazırlanmış. Bu örnekler kullanarak, biyolojik doz aldı standart radyasyon kaynağı tarafından yayılan bilinen fiziksel doz için kalibre. Metafaz hücre görüntüleri kaydedilir sonra uzmanlar görüntüleri incelemek, DCs saymak ve her örnek için DC sıklıkları hesaplar. Bir kalibrasyon eğrisi tüm dozlarda DC Frekanslar için bir ikinci derece denklem doğrusal eğrisi yaklaştırarak yerleşik olarak bulunur. Sonra test örneğinde maruziyetin bireyler DC Frekanslar için eğri üzerinde ayarlanmış dozlarda eşleşen veya karşılık gelen doğrusal ikinci derece denklem formülü içinde belirterek anlaşılmaktadır olabilir.

Biz her iki algılama DC’lerin otomatik ve yazılım kullanarak bu yordamı hızlandırmak için kararlılık doz. Otomatik Disentrik kromozom tanımlayıcı ve doz Tahmincisi (ADCI) için algılamak ve monocentric kromozomlar (MCs) üzerinden Disentrik kromozom (DCs) ve diğer nesneleri ayırımcılık makine öğrenme tabanlı görüntü işleme teknikleri kullanır ve radyasyon otomatikleştirir doz tahmini. Yazılım önemli ölçüde azaltmak veya DC sayıları el ile doğrulama için gerekliliğini ortadan kaldırmak ve doz tahmini otomasyon yoluyla hızlandırmak için amaçlamaktadır. Referans biodosimetry laboratuvarları, sağlık Kanada (HC) ve Kanada nükleer laboratuarlar (CNL) katılımı ile geliştirilmiştir. Onların geribildirim performans bu tahlil IAEA ölçütlerine uyan devam edecektir garanti eder.

Yazılım aşağıdaki işlevleri gerçekleştirir: 1) filtreleme DCs ve analizi, 2) kromozom tanıma, DC algılama ve DC frekansı belirlenmesi için en uygun metafaz hücre görüntüleri seçmek ve 3) radyasyon dozu doz-kalibre, üzerinden tahmin etme sitogenetik radyasyon veri. Bu yazılım (bir örnek olarak adlandırdığı) grupları metafaz görüntü aynı bireysel işler, sayıları DCs sayısı her kullanarak görüntü işleme teknikleri ve tahmini radyasyon dozu her örnek birimleriyle Grays (Gy) tarafından alınan döndürür.

Yazılım kromozom yapıları, sayar ve yoğunlukları bir dizi işlemek için tasarlanmıştır. Ancak, algoritma çevre tam tamamlayıcı iyi ayrılmış, doğrusal kromozomlar4içeren metafaz Albümdeki en iyi şekilde gerçekleştirir. Kromozom, son derece örtüşen kümeleri içeren görüntüleri birden çok hücre, eksik metafaz hücreleri, kardeş Kromatit ayırma, çekirdek, kromozom olmayan nesneler ve diğer kusurlar algoritma doğruluğunu azaltabilir. Görüntü seçimi modelleri ve eşikleri alt-optimal görüntüler ve yanlış pozitif DCs çoğunluğu filtre uygulayabilirsiniz diğer nesne bölümleme adanmış.

Bir resim işlendiğinde Disentrik kromozom algılama gerçekleştirilir. Algoritma hangi nesnelerdir kromozomlar görüntüdeki belirlemeye çalışır ve sentromerler her kromozom üzerinde olasılıkla iki bölgeleri bulur. Sonra bir dizi, farklı destek vektör makine (öğrenme modelleri SVM) kromozomlar DCs ya da normal, monocentric kromozomlar olarak ayırt etmek. Duyarlılık ve özgüllük DC algılama SVM modelleri farklı (3.1.4 aşağıda, hangi-ebilmek tesir etmek bir örnekte belirlenir DC frekansları bkz. adım).

ADCI Giemsa – (veya set DAPI-) metafaz dijital resimler (TIFF veya JPG biçiminde) bir veya daha fazla örnek için lekeli işler. Yazılım DCs kalibrasyon örnekleri ve test örnekleri analiz eder. Fiziksel dozlarda (Gy) kalibrasyon örnekleri bilinmektedir ve bir kalibrasyon eğrisi üretiminde kullanılır. Kişiler Bilinmeyen Etkilenmeler ile fiziksel ve biyolojik doz makine tarafından oluşturulan kalibrasyon eğrisi yazılımından tarafından algılanır. Laboratuvarlar karşılaştırılabilir teknikleri kullansa da, kalibrasyon eğrileri farklı laboratuvarlar üzerinden3sık sık değişir. Her iki aynı laboratuvar kalibrasyon eğrisi ve test örnekleri test örneklerinde doğru doz tahmini için işlenip.

Bu yazılım verimlilik içinde birçok kişi aynı anda test edilmesi gereken bir olay işlemek için gerekli hangi adreslerin hız, doğruluk ve ölçeklenebilirlik sunar. 2008-20174,5,6,7,8,9,10,11,12 geliştirilmiştir ,13. Son bilgisayar donanım, bu okul sırası kullanmaPC yazılımı işleyebilir ve tahmini radyasyon dozu 500 metafaz genom eşdeğerleri 10-20 dk 4hasta bir örnek. Kodu özel görüntü segmentasyonu ve makine algoritmaları kromozom analizi için öğrenme bir dizi dayanmaktadır. Uzman 3 Gy radyasyona maruz her kromozom analizini karşılaştırılabilir doğruluğu ADCI için verdi. Bilinmeyen Etkilenmeler (daha önce kullanılan bir uluslararası yeterlik egzersiz) 6 örnekleri kümesi içinde belgili tanımlık bilgisayar yazılımı dozlarda HC ve önceliklendirme için IAEA’ın gereksinimleri yerine getiren CNL, aynı verilerin el ile inceleme tarafından elde edilen değerlerden 0.5 Gy içinde tahmini. biodosimetry. Ayrıca, inter-laboratory standardizasyon ve sonuçta tekrarlanabilirlik doz algoritması puanlama bir ortak, otomatik DC sahip yararlı tahminleri. Yine de, yazılım görüntü özelleştirmesini filtreleme ve seçim kriterleri, kromozom hazırlama yöntemleri ve dikkate alınması için kalibrasyon cihazları radyasyon farklılıklar etkinleştirme izin verir.

Bir grafik kullanıcı arabirimi (GUI) – Giemsa (veya DAPI) içeren kromozom görüntülerin setleri çözümler tabanlı sistem – metafaz hücreleri iyonize radyasyon sonucu bozuklukları lekeli yazılımdır. Görüntü kümelerini dijital olarak ışık (veya epifluorescent) mikroskop sistemi ile fotoğraflandı ve her küme için farklı bir örnek karşılık gelir. Yazılım görüntü işleme teknikleri algılayabilir ve MCs ve diğer nesneleri DCs ayırımcılık için kullanır. Ampirik olarak türetilmiş segmentasyon filtreleri daha sonra otomatik olarak doğru DCs etkilemeden yanlış pozitif DCs ortadan. Son olarak, yazılım otomatik olarak istenmeyen görüntüler kalitesiz metafaz görüntü precomputed (veya kullanıcı tarafından belirtilen) görüntü seçimi modelleri ile bulundu çeşitli görüntü özellikleri dayalı filtreler. Bu görüntüleri aşırı içerenler dahil ya da “gürültülü” nesneleri, birden çok örtüşen kromozomlar, yetersiz sayıda görüntüleri eksik metafaz kromozomların, kız kardeşinin aşırı numaraları chromatids4. Otomatik olarak küratörlüğünde görüntü verilerini doz kalibrasyon eğrisi bilinen radyasyon dozu örneklerinden oluşturmak için kullanılan ve Etkilenmeler test örnekleri için bilinmeyen dozlarda maruz tahmin etmek için kullanılır.

Görüntülenebilir ve olarak kaydedilen yazılım çıktı: 1) metin tabanlı çıkış 2) araziler olarak görüntüler ve 3) raporları HTML biçiminde kaydedilen konsol, görüntülendi. Yazılım birçok açıdan farklı laboratuvarlar belirli gereksinimlerine uyacak şekilde özelleştirilebilir. Bireysel laboratuvarları genellikle o laboratuvarda doğrulanmış sitogenetik Protokolü hazırlanmış ve toplanan kalibrasyon ve test örnekleri dayalı sağlar. Bu numune hazırlama tekdüzelik tutar ve aynı iletişim kuralını kullanarak türetilmiş örnekleri test etmek için anlamlı uygulanacak kalibrasyon örnekleri oluşturulan kalibrasyon eğrileri sağlar. Kalibrasyon eğrileri eğrisi katsayıları veya DC Frekanslar tanımlanmış dozda da oluşturulabilir. En doğru doz tahminleri daha düşük kaliteli görüntüler ve yanlış pozitif DCs (FPs) süzülerek elde edilir. En iyi görüntü alt kümeleri her örnek içinde yelpazesi ‘FPs tanıtmak eğilimi subpar görüntüleri ortadan kaldırmak görüntü seçimi modelleri’ kullanılarak yapılır. Ancak ek modelleri özelleştirilmiş eşikleri ve filtreler ile oluşturulan ve, kullanıcı tarafından kaydedilen yazılım ile birlikte gelen önceden doğrulanmış modeller bir dizi var.

Bir kez yazılımı başarıyla yüklenmesi, ana grafik kullanıcı arabirimi (GUI) sunulur (bkz. şekil 1). Bu arabirim, örnekleri, her oluşan metafaz hücre görüntü dosyaları, bir klasör seçili olabilir ve DCs tanımlamak için işlenmiş, kalibrasyon eğrileri oluşturulan ve karşılaştırıldığında ve radyasyona maruz kalma doz örnekleri belirlenebilir.

Figure 1
Şekil 1: Büyük sektörlerin grafik kullanıcı arabirimini içerir: (2)örnekleri (1), kalibrasyon listesi listesi eğrileri, işlem sıraya görüntülerin her kümesindeki DC tespiti her örnek, bir komplo durumunu izler (3), örnekleri veya kalibrasyon eğrileri ve çıkışlarını programı tarafından gerçekleştirilen her işlem olarak açıklayıcı metin içerir konsol (5) görüntüleri bir dizi istatistiksel veya diğer nicel özellikler özetlenmiştir (4), hangi göstermek. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.

Protocol

1. alma ve işlem örnekleri tıklayın ' örnekleri ' menü çubuğunu seçip ' yeni örnek '. Metafaz resim grubunu içeren uygun bir dizinine göz atın ve tıklatın ' Klasör Seç '. İçinde örnek için benzersiz bir kimlik yazın ' yeni örnek için benzersiz bir kimlik belirtin ' metin alanı. Bu kimlik çalışma alanında örnek tanımlar. Örnek kimlikleri alfasayısal, içermesi gerekir ' _ ', veya '-' sadece karakter. Kaynak laboratuvar ve örnek kimliği (için kalibrasyon örnekleri) fiziksel doz dahil bilinen. (İsteğe bağlı) sağlamak içinde isterseniz örnek açıklamasını ' açıklama (isteğe bağlı) örneğinin ' metin alanı. ‘I tıklatın ' tamam ' yeni örnek çalışma alanına eklemek için. 1.4 ek örnekler eklemek için Yinele adımları 1.1. En az 3 kalibrasyon örnekleri (yedi veya daha fazla 3 Farklı Etkilenmeler önerilir) ve doz tahmin gerçekleştirmek için en az bir test örneği oluşturma. 1.5 1.1 adımlarda oluşturulan tüm örnekleri vurgulamak ' örnekleri ' liste ve tıkırtı ' ekleyin Sample(s) işlem sırasına ' () simgesi. Tıklama ' sırasındaki tüm örnekleri işleme ' () sıra – içinde sırayla tüm örneklerini işlemeye simgesi bir ' ADCI işleme ' iletişim kutusu görünür bir ilerleme çubuğu ile birlikte sırasındaki tüm örneklerini içeren Tüm örnekleri işleme, tamamlandığında ‘ı tıklatın . Şimdi örnekleri kaydetmek veya’ı tıklatın ' işlenmiş bir örnek bir ADCI örnek dosyası olarak kaydet ' () işlenmiş bir örnek kaydetmeyi daha sonra simgesi. 2. görüntüleme ve görüntü seçimi (isteğe bağlı, adım önerilir) Not: Bu adımı metafaz resim görüntüleyici kullanımı ve bir resim seçim modeli oluşturulmasını açıklar. Bazı doğrulanmış görüntü seçimi modelleri kalibrasyon eğrisi üretimi ve doz tahmini kullanılan yazılım dahil edilmiştir. Ancak isterseniz yapmanız gereken adımları açıklayan bir kılavuz olarak kullanılabilir böylece, bu adım gerekli değildir. Bir örnek içinde vurgulamak ' örnekleri ' listesinde, tıklatın ' örnekleri ' menüsünde bar ve seçme ' görüntüsü gibi ' açmak için ' metafaz resim görüntüleyici ' . Görüntüleri arasında gezinme bir görüntü belirli bir resmi görüntülemek için açılır liste kutusundan seçin. Resimler arasında gezinmek için sağ ve sol ok simgelerini tıklatın. Bir SVM Sigma değeri bu Sigma değerde DC algılama sonuçlarını görüntülemek için açılır liste kutusundan seçin. Seçin " Unprocessed " kromozom özetliyor olmadan ham görüntüleri görüntülemek için açılan kutusundan. Kontrol ' ters ' görüntüdeki her piksel için renk ve parlaklık değerlerini tersine çevir onay kutusu. Kontrol ' görüntü izleme listesi ' görünür yansımaya eklemek için onay kutusunu bir ' izleme listesi '. ‘ I tıklatın ' izle listesini bir metin dosyasına kaydet ' () adları tüm görüntülerin izleme listesi metin dosyasına kaydetmek için simgesi. Görüntü seçimi modelleri tıklayın ' tüm görüntüleri ' tüm görüntüleri görüntü seçimi açılır liste kutusuna eklemek için (varsayılan seçenek). Metnin bitişiğindeki gözlemlemek ' bulunan resimler ' görüntüleri uygulanmış görüntü seçim modeli tarafından seçilen kısmını keşfetmek için. ‘I tıklatın ' görünüme eklemek görüntüleri ' görüntü seçim modeli açılan kutusunda tarafından dışlanmıştır değil sadece bu görüntüleri dahil etmek için. ‘I tıklatın ' görünüm hariç görüntüleri ' tarafından açılan kutuyu uygulanan görüntü seçimi modelinde söz konusu görüntüleri dahil etmek için. Onay ' hariç ' el ile tek bir görüntüyü dışlamak için onay kutusunu. Not: Eğer bir görüntü seçim modeli daha sonra uygulanan ayarla seçili görüntü el ile dışlanan görüntüleri yüklenir. Kaydetmek görüntülerin bir seçim tıklayarak ' Seçimi Kaydet ' düğmesi. İstendiğinde kaydedilmiş seçimi için bir dosya adı girin. ‘ I tıklatın ' yük seçimi ' daha önce kaydedilmiş bir seçimi uygulamak için. ‘I tıklatın ' görüntü filtreleri Uygula ' açmak için ' filtre uygula tabanlı görüntü seçim modeli geçerli örnek için ' oluşturur, iletişim kaydeder veya metafaz görüntü bir örnek seçmek için ölçüt geçerlidir. Bir görüntü seçim modeli önceden girilmiş seçin. ‘ I tıklatın ' tamam ' geçerli modeli uygulamak için. İstenen yeni bir model için bir açıklama girin, tanımlamak ' resim hariç tutma filtreleri ', define ' ve görüntü sıralama dahil ' ve’ı tıklatın ' seçim modeli Kaydet ' bir görüntü oluşturmak için Seçim modeli. Not: Tanımları ' ve görüntü sıralama dahil ' yöntemleri ve her ' görüntü dışlama filtresi ' yazılım çevrimiçi belgelerine 14 ‘ te bulunabilir. 3. Eğri üretimi (Recommended optional step) eğrisi Kalibrasyon Sihirbazı emin olun en az üç kalibrasyon örnekleri devam etmeden önce çalışma alanı mevcut. ‘ I tıklatın ' sihirbazlar ' menü çubuğunu seçip ' eğrisi Calibration ' eğrisi ayarlama Sihirbazı’nı açmak için. Not: sadece üç örnek uyacak ve bir kalibrasyon eğrisi hesaplamak matematiksel olarak gerekli olmakla birlikte, 0 ile 5 Gy arasında pozlama aralığı kapsayan yedi veya daha çok örnek tavsiye edilir. Ancak en uygun Sigma değerleri düşük doz tahmini için kullanılabilir olmasına eğriler elde etmek için daha düşük olabilir ek örnekler ikinci dereceden doğrusal doz yanıt için kalibrasyon eğrisi sığdırmak gerekli olan (< 1 Gy); doz bu eşiğin için en uygun Sigma değerleri farklıdır (3.1.4 adıma bakın). Devam et Tanıtım Sihirbazı’nı kullanarak ekran ve her istenen kalibrasyon örnek yanında bir onay işareti koyun. Bu şekilde seçilen kalibrasyon örnekleri için fiziksel doz belirtin (Gy) örnek için onun bitişik metin alanı içinde ortaya çıkmıştır. Sonraki sihirbaz ekrana devam. Bir görüntü seçim modeli içeren önceden oluşturulmuş görüntü seçimi modelleri yanı sıra herhangi bir el ile oluşturulan modelleri yazılımıyla birlikte modeller listesinden isterseniz seçin. Sonraki sihirbaz ekrana devam. Bir SVM Sigma değeri açılır liste kutusundan seçin. Sonraki sihirbaz ekrana . devam Not: bir SVM Sigma değeri 1.4 veya 1.5 doz tahminleri için önerilir > 1 Gy ve 1.0 için tahminler 1 Gy ( Şekil 2) aşağıda değeri. Gözden geçirmek belgili tanımlık özet ekranı ve tıkırtı tüm önceki seçimlere ' son ' bir prepopulat neden Sihirbazı tamamlamak içinEd ' bir eğri oluşturmak ' görünmesini iletişim. Şekil 2: SVM Sigma değeri değiştirme etkisini görselleştirme Gerçek pozitif (TP) ve yanlış pozitif (FP) DC sayar algoritma, pozitif öngörü Calue (PPV) ve gerçek pozitif oranı (TPR). Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız. bir eğri iletişim oluşturmak. (Sihirbaz kullandıysanız bu adımı atla)’ı tıklatın ' eğrileri ' menü çubuğunu seçip ' yeni eğri '. Seçin ' doz-yanıt verilerini uygun eğriye ' açılan kutusundan sunulan iletişim ve tıkırtı içinde ' tamam '. Eğri için benzersiz bir kimlik belirtin ' yeni eğri için benzersiz bir kimlik belirtin ' metin kutusuna ' bir eğri oluşturmak ' iletişim. (İsteğe bağlı) türü bir açıklama içinde yeni Curve ' oluşturulacak eğrisi için kısa bir açıklama ekleyin ' metin kutusu. (Aşağıdaki adımları bir kalibrasyon eğrisi oluşturmak için eğri sihirbaz kullandıysanız atla) eğri değerleri ayarla. Not: 3.1. adımda anlatılan eğrisi Kalibrasyon Sihirbazı alanları önceden doldurur ' bir eğri oluşturmak ' iletişim. Aşağıdaki adımları el ile bu alanları doldurmak nasıl açıklar. Sihirbazı’nı kullandıysanız, bazı adımları hala istenirse ek veri ekleme veya kaldırma için izlenebilir. Bir SVM Sigma değer seçenekleri seçin ' SVM ' dropdown kutu – son derece tavsiye edilir burada seçilen Sigma değeri bu eğri doz tahmin gerçekleştirmek için kullanırken seçilen Sigma değeri maç. (İsteğe bağlı) belirt tıklayarak bir görüntü seçim modeli ' dosyasını belirtin ' düğmesini. ‘I tıklatın ' giriş ' doz-yanıt listesi başlığı altında yeni bir boş girdi eklemek için ' bir eğri oluşturmak için veri giriş yanıt dozlu '. Kalibrasyon örnek doz Gy başlığı altında girin ' doz '. Enter ' yanıt (DC/hücre) ' bir örnek vurgulandığında konsol içinden örnek çıktı çizilmiş. Daha önce seçilen SVM Sigma değer konsol içinden veya karşılık gelen örnek rapor (Adım 5.1, varsa) için uygun DC/hücre değerini bulun ve bu alana girin. Tüm kalibrasyon örnekleri ekleyene kadar önceki üç adımı yineleyin. Basın ' verileri doğrula ' yanıt doz içeriğini sağlamak için liste düzgün biçimde – yanıt doz listesindeki tüm alanları geçerli veri gösteren vurgulanan yeşil doğrulayın. Basın ' tamam ' eğrisi oluşturulmasını tamamlamak üzere. Yeni eğri kaydetmek için ' kaydetmek eğri? ' üzerine basarak görüntülenen iletişim ' tamam '. Veya’ı tıklatın ' eğrisi ADCI eğrisi dosyasına kaydet ' () simgesi parlak nokta içinde ' eğrileri ' daha sonra listelenmektedir. 4. Doz tahmin (Recommended optional step) doz tahmini Sihirbazı ‘ı tıklatın ' sihirbazlar ' menü çubuğunu seçip ' doz tahmin '. Devam et Tanıtım Sihirbazı ekranı ve Seç aşağı açılan kutusundan – bir daha önce oluşturulmuş kalibrasyon eğrisi yoluyla özellikleri aşağıda görünür. Sonraki sihirbaz ekrana devam. Test örnekleri bilinmeyen maruz kalma doz tahmininde dahil etmek yanında bir onay işareti koyun. Sonraki sihirbaz ekrana devam. Açıklama ve Kalibrasyon eğrisi oluşturma sırasında uygulanan görüntü seçim modeli özelliklerini gözlemlemek. Aynı görüntü seçim modeli seçili test örnekleri için geçerli olduğunu görmekteyiz. Sonraki sihirbaz ekrana devam. Not: Aşağıda resim seçim modeli açıklaması, aynı model doldurulmuş ve seçim test örnekleri için geçerli olur. Kalibrasyon için aynı görüntü seçim modeli uygulamak ve örnekleri test. Açılan listeden farklı bir model seçerek farklı görüntü seçimi modelleri uygulamak mümkün olsa da, bu önerilmez. SVM Sigma değeri açılan listeden seçin. Sonraki sihirbaz ekrana devam. Not: Kalibrasyon eğrisi oluşturma sırasında kullanılan SVM Sigma değeri doldurulur. Bu değer değişmeden kalması önerilir. Özet ekranında önceki seçimleri gözden geçirin ve’ı tıklatın ' son ' Sihirbazı – bir önceden girilmiş tamamlamak için ' doz hesap makinesi ' iletişim-ecek gözükmek. Doz hesap makinesi (sihirbaz kullandıysanız bu adımı atlayın) başlığı altında eğrilerinin listesinden bir kalibrasyon eğrisi vurgulamak ' eğrileri ',’ı tıklatın ' eğrileri ' menüsünde bar ve seçme ' Hesaplamak doz ' açmak için ' doz hesap makinesi ' iletişim. (Atla şu adımları sihirbaz kullandıysanız) Set değerleri doz tahmini için. Not: 4.1. adımda anlatılan doz tahmini Sihirbazı alanları önceden doldurur ' doz hesap makinesi ' iletişim. Aşağıdaki adımları el ile bu alanları doldurmak nasıl açıklar. Sihirbazı’nı kullandıysanız, bazı adımları hala istenirse ek veri ekleme veya kaldırma için izlenebilir. Tıklayın ' Kullanım Sample(s) DC Frekanslar doldurmak için çalışma alanındaki ' () simgesi ve vurgulamak test örnekleri içinde ' işlenmiş örnekleri ADCI Çalışma alanı ' için seçilen örnekleri eklemek için liste ' DC Frekanslar doz tahmini için ' listesi. Seçin bir SVM Sigma değeri ve görüntü seçim modeli bu örnekler için açılır liste kutularından. Not: Kalibrasyon eğrisi üretiminde kullanılan Sigma değerle eşleşen bir SVM Sigma değeri doğru doz tahmini için gereklidir. Kalibrasyon eğrisi ile ilişkili Sigma değeri alt kısmında listelenen ' doz hesap makinesi ' iletişim. önceki iki adımı yinelenen tarafından (isteğe bağlı) Ekle ek test örnekleri. Alternatif olarak, birden çok örneği aynı anda birden çok örnekleri vurgulayarak Ekle ' çalışma alanında işlenen örnekleri ' listesi. (isteğe bağlı) tıklayın ' DC sıklık değeri giriş ' () bir D el ile girmek için simgesiniC frekans istenirse – herhangi bir örnek ile ilişkili olmayan yeni DC frekans eklenecektir ' DC aberasyonları doz tahmini için ' listesi. (isteğe bağlı) çift tıklayın ' adı ' alan adını değiştirmek için el ile girilen bir DC frekans. (isteğe bağlı) vurgulamak uygun örnekleri ve tıkırtı ' kaldırmak DC frekans ' () eklenmiştir örnekleri kaldırmak için simgesini ' DC Anomalileri doz tahmini için ' hata listesinde. ‘I tıklatın ' tamam ' kapatmak için ' doz hesap makinesi ' ve doz tahmini gerçekleştirmek – sonuçları konsola çıktı. Doz tahmini sonuçlar her test örneği için sekmeli biçimde konsolunda görüntülenir olarak gözlemlemek ' DC frekans ', ' SVM ', ' tahmini doz ' (tahmini içerir biyolojik doz Gy test örneğinde), ve ' görüntü seçim modeli uygulanan ' alanlar. 5. Raporlama Not: tüm rapor türleri için ortak bir raporu yeniden adlandırıp içinde kaydedilir bir dizin seçmek için kullanılan yöntemdir. A ' rapor adı ' sağlanması gerekir. Bir raporu oluşturulduğunda, otomatik olarak bu adı kullanan rapor dosyalarını içeren bir dizin oluşturulur. Bu dizine yerleştirilen içinde olduğunu ' rapor klasörü '. Varsayılan olarak, ' rapor klasörü ' adında bir dizin ' raporları ' yükleme sırasında belirtilen veri dizin bulundu. Örnek rapor ‘ı tıklatın ' rapor ' menü çubuğunu seçip ' örnek rapor ' açmak için ' örnek raporu oluşturmak ' iletişim. Raporu için bir ad girin ' rapor adı ' metin alanı. ‘ I tıklatın ' göz ' değiştirmek için ' rapor klasörü ' istenirse. Uygun örnekleri yanında bir onay işareti koyarak rapora dahil etmek için en az bir işlenmiş örnek seçin ' seçin örnekleri ' listesi. Belirtin bir SVM Sigma Aralık değerleri için hangi değerleri seçerek DC dağıtım araziler oluşturmak ' Min ' ve ' Max ' aşağı açılan kutuları içinde ' dağıtım DCs örnek ' alan. DC dağıtım araziler rapordan kaldırarak istenirse hariç ' dahil ' onay kutusu ' dağıtım DCs örnek ' alan. Uygun araziler yanında onay işaretli yerleştirerek rapora dahil etmek için filtreleme istatistiklerini bulunduran hangi araziler belirtmek ' seçin araziler ' alan. ‘ I tıklatın ' tamam ' raporu oluşturmak için. Eğrisi rapor ‘ı tıklatın ' rapor ' menü çubuğunu seçip ' eğrisi rapor ' açmak için ' eğrisi raporu oluşturmak ' iletişim. Raporu için bir ad girin ' rapor adı ' metin alanı. ‘ I tıklatın ' göz ' değiştirmek için ' rapor klasörü ' istenirse. Seçin uygun eğrileri yanında bir onay işareti koyarak rapora dahil etmek için en az bir eğri ' seçin rapora dahil edilecek eğrileri ' listesi. ‘ I tıklatın ' tamam ' raporu oluşturmak için. Doz tahmini rapor gerçekleştir doz tahmin adımları 4 bölümünde açıklanan. Not: Doz tahmini raporlar arsa ve konsol alanlarında belirtilen sonuçlarından oluşturulur. Böylece, bir doz tahmini arsa bir rapor oluşturulur anda çizim alanı içinde bulunması gerekir. ‘I tıklatın ' rapor ' menü çubuğunu seçip ' doz tahmini rapor ' açmak için ' doz tahmini rapor oluştur ' iletişim. Raporu için bir ad girin ' rapor adı ' metin alanı. ‘ I tıklatın ' göz ' değiştirmek için ' rapor klasörü ' istenirse. ‘I tıklatın ' tamam ' raporu oluşturmak için. 6. Denetim yetenekleri Not: yazılımın bir günlük dosyasında bir oturum sırasında yapılan tüm işlemleri kaydeder. Program sağlayan görülebilmesini, günlük dosyaları arama, bir analiz ve bazı durumlarda bütünlüğünü değerlendirmek için kullanılan bir aksesuar yazılım uygulama sağlar, örnek verileri eksik veya zamanından önce kurtarmak için oturumları sona erdirildi. ‘I tıklatın ' yardımcı ' menü çubuğunu seçip ' günlüklerini görüntüleme ' günlük dosyası Görüntüleyici ek yazılım açmak için. Emin olun günlük dosyaları kenar çubuğu pencerenin sol tarafında listelenir. Hiçbir dosya görünür durumdaysa,’ı tıklatın ' dosya ', seçim ' Select günlük dosyası dizini ' ve günlük dosyalarını içeren bir dizin göz atın. Günlük dosya içeriğini görüntülemek için kenar çubuğunda bir günlük dosyasının adını çift tıklatın ' Viewer ' sekmesini Select ' arama ' sekmesini ve giriş arama terimleri bir veya daha fazla günlük dosyaları aramak için. İsterseniz giriş arama parametrelerini ' gelen ', ' için ', ' kullanıcı ', ' lisans ', ' işlem ', ve ' Parametreleri ' alanlar. Seçmek için kaydırıcıyı kullanın ' Max arama sonuçları her dosya için '. Not: Kullanıcı adı gibi bazı arama parametreleri her eşleşen günlük dosyasında birçok sonucu elde edersiniz. Bu parametre her günlük dosyasında gösterilen arama sonuçlarını sayısını sınırlar. İçinde bir onay işareti koyun ' arama yalnızca vurgulanmış dosyaları ' onay kutusunu (tüm günlük dosyaları varsayılan olarak arama yapılır) ve vurgulamak günlük dosyaları yalnızca bir alt kümesini günlük dosyaları aramak için kenar çubuğu’nda. Kontrol ' bütünlük denetimi gerçekleştirmek ' onay kutusunu (varsayılan olarak etkindir) her günlük dosyası bir beklenmeyen yazılım fesih ile ilgili hatalar için aranacak uygun incelemek için. ‘I tıklatın ' arama ' sonuçlarını pencerenin sağ tarafında günlük dosyaları arama ve arama gözlemlemek için. ‘I tıklatın ' günlük dosyasını görüntüle ' düğmesini vurgulamak ve belirtilen sırada görüntülemek için bir arama sonucu için bitişik ' Viewer ' sekmesini Günlük dosyası bütünlük sorunları ‘ı tıklatın ' bütünlük ' (onay istendi Eğer) bütünlük denetimi sırasında bulunan hataları görüntülemek için sekmesini. Not: Bütünlük sorunları için günlük dosyalarını incelemek için bir arama gerçekleştirilmesi gerekir. Günlük dosyaları için arama olmadan bir bütünlük denetimi gerçekleştirmek için biry arama terimleri, sadece bırakmak tüm arama parametre alanları içinde siyah ' arama ' sekmesinde, emin olmak ' bütünlük denetimi gerçekleştirmek ' kontrol edilir ve’ı tıklatın ' arama '. Bütünlük sorunları tespit edilirse, ' bütünlük ' sekme arka plan rengi kırmızı olacak Çözmek bütünlük sorunları (çıktı günlük dosyası tarafından gruplandırılmış) mümkünse. Not: bütünlük sorunları giderme adımları hakkında daha fazla bilgi için çevrimiçi belgelere 14 başvurun. 7. Eğri ve doz tahmin istatistikleri seçenekleri ‘ı tıklatın ' ayarları ' menü çubuğunu seçip ' istatistikleri seçenekleri ' açmak için ' istatistikleri seçenekleri ' iletişim. Yöntemi (en küçük kareler veya maksimum olabilirlik) açılır liste kutusundan uygun bir kalibrasyon eğrisi seçin. Yanında bir onay işareti koyun ' kalibrasyon eğrisi % 95 CI, görüntülemek ' % 95 güven aralıkları göstermek ne zaman bir kalibrasyon eğrisi çizme için. Yanında bir onay işareti koyun ' doz tahmini hesaplar % 95 CI Poisson nedeniyle ' DC verim Poisson niteliğine göre doz tahminleri % 95 güven sınırları hesaplamak için. Yanında bir onay işareti koyun ' doz tahmini hesaplar % 95 CI eğrinin nedeniyle varsa ' kalibrasyon eğrisi ile ilgili belirsizlik göre doz tahminleri % 95 güven sınırları hesaplamak için.

Representative Results

Yazılım test HC ve CNL elde metafaz kromozom görüntü verileri ile gerçekleştirilmiştir. Kan örnekleri bir XRAD-320 birimi tarafından radyasyona maruz (250 kV röntgenler, 12,5 mA, 2mm Al filtrasyon, doz oranı: 0,92 veya 1.7 Gy/dak) iyon odası HC, kalibre edilmiş ve her iki laboratuarlarında işlenir. Periferik kan lenfosit örnekleri, sabit, kültürlü ve kurulan iletişim kuralları3,15göre her tesiste lekeli. Metafaz görüntü Giemsa lekeli slaytlardan bağımsız olarak bir otomatik mikroskobu sistemi kullanarak her Laboratuvarı tarafından ele geçirildi. Her laboratuvar Uzmanları DCs bu örnekler birkaç el ile attı, kendi kalibrasyon eğrileri inşa ve test örnekleri bilinmeyen maruz doz tahmini. Bu veri kümeleri ayrıntılı bir açıklama tablo 1’de verilmiştir. Fiziksel doz Amaç HC hazırlık CNL hazırlık Sevk adı görüntülerin # Sevk adı görüntülerin # 0 Gy Kalibrasyon HC0Gy 731 CNL0Gy 798 0,1 Gy Kalibrasyon HC01Gy 2162 NA NA 0,25 Gy Kalibrasyon HC025Gy 1826 NA NA 0,5 Gy Kalibrasyon HC05Gy 1054 CNL05Gy 1532 0,75 Gy Kalibrasyon HC075Gy 1233 NA NA 1 Gy Kalibrasyon HC1Gy 1566 CNL1Gy 841 2 Gy Kalibrasyon HC2Gy 1147 CNL2Gy 996 3 Gy Kalibrasyon HC3Gy 1212 CNL3Gy 1188 4 Gy Kalibrasyon HC4Gy 909 CNL4Gy 1635 5 Gy Kalibrasyon HC5Gy 1019 NA NA 3.1 Gy Test HCS01 540 CNLS01 500 2.3 Gy Test HCS08 637 CNLS08 500 1.4 Gy Test HCS10 708 NA NA 1.8 Gy Test HCS04 600 CNLS04 957 2.8 Gy Test HCS05 1136 CNLS05 1527 3.4 Gy Test HCS07 477 CNLS07 735 Tablo 1: HC ve CNL yazılım değerlendirme için sağladığı görüntü veri kaynakları.Dipnot: Tablo 1 ‘ den Rogan vdiçinde 20164değiştiren. Yalnızca el ile önceden seçilmiş görüntüleri bize daha önce CNL kullanılabilen. Filtre uygulanmamış görüntüler kullanılabilir hale gelmiştir ve görüntü sayıları buna göre güncelleştirilir. Ayrıca, yeni HC örnekleri alınan (0.25Gy, 0.75Gy ve 5Gy) burada sunulmaktadır. Otomatik resim seçimi örneklerinde Görüntü kalitesi DC analizin doğru DC algılama için çok önemlidir. Görüntü seçimi sitogenetik uzmanlar tarafından genellikle el ile geleneksel DC analizi yapılır. ADCI DC frekansı hesaplama16önce görüntüleri otomatik olarak seçmek için nicel görüntü ölçütleri kullanır. Kullanıcı-ebilmek görüntüleri belirli kromozom türleri morfoloji ve/veya bilinen bir normal insan karyotip kromozomlar sitogenetik tarafından tanımlanan grupları uzunlukları göre nesnelerin uzunlukları göreli oranlarını göre sıralama hücreleri temel alan iki filtre (olarak adlandırdığı Grup-bin mesafe yöntemi). Hücre görüntüleri ile önde gelen kız kardeşi ile prometafaz kromozom ile birden çok metaphases ya da eksik kromozom setleri ile reddetmek için ölçek-değişmeyen eşikleri kullanılabilir morfolojik filtreleri kullanmak son derece bükülmüş ve bükülmüş Kromatit ayrılma kromozomlar, pürüzsüz kontür sağlam çekirdek, ve bu daha az nesneleri kromozom tanınır karakteristik olan nesneleri ile. Şekil 3 (a) ve (b) şekil 3 (c) ve (d) yazılım tarafından filtrelenir görüntüleri örnekler ise Seçili görüntülerin örnekler gösterir. Bu görüntüler örnek HCS05 (tablo 1’de açıklanan) türetilir ve hangi grup bin mesafe tarafından tüm görüntüleri yer alıyor, sonra en iyi 250 fotoğraf seçer önceden tanımlanmış görüntü seçim modeli tarafından seçilir. Kromozomlar içinde şekil 3 (A), (b) de ayrılır ve tatmin edici Morfoloji sergilemek. Şekil 3 (c) aşırı sayıda örtüşen kromozom kümeleri içerir. Şekil 3 (d) gösterir şiddetli kardeş Kromatit ayırma. Kardeş chromatids tamamen için en az 8 kromozom ayrılır ve centromeric boğumların diğer kromozom çoğunda belirsizdir. Şekil 3: örnek HCS05 Albümdeki metafaz örnekleri (büyütme: 63 X), Unselected ve seçili modeli ‘Grup Bin mesafe, Top 250 görüntüleri’. (A) ve (B) seçili görüntülerdir. (C) ve (D) modeli tarafından ortadan kaldırıldı görüntülerdir. (C) hariç çünkü çok fazla üst üste gelen kromozomlar bulunan ve ayrı kardeş aşırı sayıda vardı (D) chromatids. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız. Bu görüntü seçimi modelleri uygulamak etkileri belirgin bir DC algılama güven düzeyi inceleyerek. DCs oluşumlarını ışınlanmış bir örnek hücre bir popülasyondaki Poisson dağılımı izleyin. Ki uyum iyiliği testi gözlenen DC frekans dağılımı Poisson dağılımı için beklenen sığdırmak için karşılaştırır. Düzgün filtre örnek verileri sergilemek DC Frekanslar beklenen Poisson önemli ölçüde farklı değil modelleri türetilen değerleri (genellikle anlam düzeyinde > 0,01). Şekil 4 görüntüler DC oluşumları ve karşılık gelen uygun HC4Gy örnek için Poisson dağılımları “Grup bin mesafesi, en iyi 250 fotoğraf” modeli tarafından seçilen görüntüleri vs tüm görüntüler için. Şekil 4 (b) daha iyi bir gösterir Poisson dağılımına uygun. P-görüntülerin filtrelenmiş kümenin (0,36) değerini önemli ölçüde şekil 4 (a) filtre uygulanmamış DC dağıtım süresini aşıyor. Ya % 5 veya % 1 önem düzeyleri, filtre uygulanmamış örnek şekil 4 (a) daha az güvenilirdir, DCs Poisson dağılımı boş varsayımı daha düşük kalite DC veri içerdiğinden reddedildi. Şekil 4: Ekran görüntüleri orantılı DC Frekanslar uygun için örnek HC4Gy yazılım, Poisson Dstributions. (A) tüm resimler vardır dahil, (B) sadece (grup bin mesafe, ilk 250 fotoğraf) modeli tarafından seçilen görüntüleri dahil edilir. Efsane (sağ üst) Poisson dağılımı (dağılım endeksi, Mu test ve Lambda) Sığdır istatistikler ve uygun test (p-değeri) ki iyilik gösterir Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız. Disentrik kromozom (DC) algılama Doğru DC algılama ADCI kritik önkoşul gereksinimdir. Doğru tespit DCs ve bu yazılım tarafından cevapsız sırasıyla gerçek pozitif (TPs) ve yanlış negatif (FNs) tanımlanır. DCs olmayan ancak yanlış DCs algılanan nesneler yanlış pozitif (FPs) adlandırılır. FPs dahil monocentric kromozomlar, kromozom parçaları, ayrı kardeş chromatids, örtüşen kromozom kümeleri ve kromozom olmayan nesneler. Şekil 5 iki metafaz görüntü DC algılama sonuçlarını gösterir. Nesne 4 kısa kolları yapışık iki ayrı monocentric kromozom oluşan bir FP ise 1 ve 3 TPs, nesneleridir. Şekil 5 (a) ‘ daki nesne 2 orijinal bir FP, ama daha sonra FP filtreleri yazılım tarafından düzeltildi. Nesne 5 ve şekil 5 (b) 6 nesnesinde FNs büyük olasılıkla örnekleridir. Şekil 5: Ekran görüntüleri metafaz kromozom sınıflandırılması potansiyel DCs. (A) belirtmek Örnek CNL1Gy bir görüntü (büyütme: 63 X) gösterilen 1 TP, nesne “1”; ve 1 FP, nesne “2” düzeltti. (B) örnek CNL4Gy bir görüntü (büyütme: 63 X) gösterilen 1 TP, nesne “3”; 1 FP, nesne “4”; ve 2 potansiyel FNs, nesneleri “5” ve “6”. TPs, düzeltilmiş FPs, normal monocentric ve sınıflandırılmamış kromozomlar sırasıyla kırmızı, sarı, yeşil ve mavi kontür ile özetlenmiştir. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız. Doz tahmini Test örnekleri ADCI analizleri sonucu olan dozu kalibrasyon eğrileri değişkenden örneklerinin tahmin ediyor. Tablo 1 test örneklerinde yazılımı tarafından yapılan doz tahminler Tablo 2 ve 3′ te gösterilen. Karşılaştırma için fiziksel radyasyon dozu yayılan ve el ile attı dozlarda örnekleri HCS01, HCS08 ve HCS10 HC, uzmanlar tarafından gösterilir. Benzer şekilde, fiziksel ve doz CNL uzmanlar tarafından attı manuel CNLS04, CNLS05 ve CNLS07 için gösterilir. Şekil 6 kalibrasyon eğrileri ile sağlık Kanada biodosimetry laboratuvar örnekleri HCS01, HCS08, HCS10, HCS04, HCS05 ve HCS07 için radyasyon doz tahminleri gösterir. Kalibrasyon eğrisi numuneleri HC0Gy, HC1Gy, HC2Gy, HC3Gy ve HC4Gy kullanılarak oluşturulur. İçeren 3 Z-skor tabanlı filtre + “Grup bin mesafe, ilk 250 görüntüleri” görüntü seçim modeli tüm örnekleri için geçerli olur. Doz tahminleri ile birlikte ilgili istatistiksel analizler Tablo 2′ de gösterilmiştir. Şekil 6: Ekran görüntüsü doz tahmin HC Test örneklerinin. Siyah kareler temsil kalibrasyon örnek. Test örnekleri ve Kalibrasyon örnekleri resim (3 FP filtre + grup bin mesafe, en iyi 250 fotoğraf) modeli tarafından seçilir. Kalın noktalı çizgiler DCs/metafaz haritalandırma yöntemiyle tahmini doza kalibrasyon eğrisi temsil eder. İnce noktalı çizgiler üst göstermek ve DCs/metafaz % 95 güven sınırları daha düşük. Renk kodları test örnekleri: parlak kırmızı, HC S01 (fiziksel doz: 3.1Gy, HC değişkenden doz: 3.4Gy, ADCI: 3Gy); koyu yeşil, HC S04 (fiziksel doz: 1.8Gy, ADCI: 1.85Gy); parlak mavi, HC S05 (fiziksel doz: 2.8Gy, ADCI: 2.95Gy); koyu mavi, HC S07 (fiziksel doz: 3.4Gy, ADCI: 2.35Gy); koyu kırmızı, HC S08 (fiziksel doz: 2.3Gy, HC değişkenden doz: 2.5Gy, ADCI: 2Gy); parlak yeşil, HC S10 (fiziksel doz: 1.4Gy, HC değişkenden doz: 1.4Gy, ADCI: 0.95Gy). Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız. Örnekleri Fiziksel doz HC Inferred doz ADCI doz tahmini Tahmini doz LCL Tahmini doz UCL P-değeri * 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 Tablo 2: Doz HC Test örnekleri sonuçlarını tahmin.Dipnot: Tablo 3 Rogan vdiçinde 20164değiştiren. ADCI doz tahminleri daha önce rapor filtre uygulanmamış görüntüleri baz alınarak ve eğri uydurma en küçük kareler yöntemi kullanılarak gerçekleştirildi. Burada, kalibrasyon eğrisi maksimum olabilirlik yöntemini kullanarak uygun ve bir resim seçim modeli içeren 3 FP filtre + “Grup bin mesafe, ilk 250 görüntüleri” doz tahmini önce uygulandı. Tahmini doz UCLve LCL bakın tahmini üst doz ve % 95 güven sınırları DC verim Poisson niteliğine göre daha düşük. * Chi kare iyilik sığdırmak için teorik Poisson dağılımı; NA: El ile inferred doz sonuçlarını sağlanan değil. Radyasyon dozu tahminleri Kanada nükleer laboratuarlar CNLS04, örnekleri için CNLS05, CNLS07, CNLS01 ve CNLS08 Şekil 7′ de gösterilen. Kalibrasyon eğrisi numuneleri CNL0Gy, CNL0.5Gy, CNL1Gy, CNL2Gy, CNL3Gy ve CNL4Gy kullanılarak oluşturulur. Biz 6 FP filtreleri tüm örnekleri için oluşan bir görüntü seçim modeli uygulanır. İstatistiksel analiz sonuçları Tablo 3’ te gösterilmektedir. Şekil 7: Ekran görüntüsü doz tahmin CNL Test örneklerinin. Siyah kareler temsil kalibrasyon örnek. Test örnekleri ve Kalibrasyon örnekleri Resim 6 FP filtreleri kullanarak seçilir. Kalın noktalı çizgiler DCs/metafaz haritalandırma yöntemiyle tahmini doza kalibrasyon eğrisi temsil eder. İnce noktalı çizgiler üst göstermek ve DCs/metafaz % 95 güven sınırları daha düşük. Renk kodları test örnekleri: parlak kırmızı, CNL S04 (fiziksel doz: 1.8Gy, CNL değişkenden doz: 1.7Gy, ADCI: 1.95Gy); koyu kırmızı, CNL S05 (fiziksel doz: 2.8Gy, CNL değişkenden doz: 2.7Gy, ADCI: 3.05Gy); parlak yeşil, CNL S07 (fiziksel doz: 3.4Gy, CNL değişkenden doz: 3.1Gy, ADCI: 3.4Gy); koyu yeşil, CNL S01 (fiziksel doz: 3.1Gy, ADCI: 3.75Gy); Mavi, CNL S08 (fiziksel doz: 2.3Gy, ADCI: 2.8Gy). Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız. Örnekleri Fiziksel doz CNL Inferred doz ADCI doz tahmini Tahmini doz LCL Tahmini doz UCL P-değeri * 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 Tablo 3: Doz CNL tahmin sonuçlarını test örnekleri.Dipnot: Tablo 3, Rogan vd., 20164değiştiren. ADCI doz tahminlerini daha önce rapor filtre uygulanmamış (HC) üzerinde esas veya el ile seçilen (CNL) resimleri ve eğri uydurma en küçük kareler yöntemi kullanılarak gerçekleştirildi. Burada, kalibrasyon eğrisi maksimum olabilirlik yöntemini kullanarak uygun ve bir resim seçim modeli içeren 3 FP filtre + “Grup bin mesafe, ilk 250 görüntüleri” doz tahmini önce uygulandı. Tahmini doz UCL LCL, sırasıyla, basvurunuz tahmini üst doz ve % 95 güven sınırları DC verim Poisson niteliğine göre daha düşük.* Chi kare iyilik sığdırmak için teorik Poisson dağılımı; NA: El ile inferred doz sonuçlarını mevcut değildi. Radyasyon dozu kalibrasyon eğrisi doğrusal aralık içinde tahmini (< 1 Gy) 1.0 değeri tavsiye edilir bir Sigma daha da bildireceğinizi DCs (şekil 8) sıklığını azaltmak için ancak yazılım ile yapılabilir. Şekil 8: Ekran görüntüleri iki kalibrasyon eğri HC kalibrasyon örneklerinden farklı Sigma değerlerinde elde edilen. (A) HC kalibrasyon örnekleri: 0Gy, 2Gy, 3Gy, 4Gy ve 5Gy, Sigma = 1,5. (B) HC kalibrasyon örnekleri: 0Gy, 0.25Gy, 0.5Gy, 0.75Gy, 1Gy, 2Gy, 3Gy, 4Gy, ve 5Gy kullanarak SVM Sigma = 1.0. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız. Bu analizler gösterir küçük, ancak uzmanlar tarafından ve yazılım tarafından kabul edilebilir fiziksel ve biyolojik olarak inferred doz farklılıkları yorumlanır. Fiziksel doz üzerinden el ile veya yazılım tahmin arasındaki fark “hata” olarak adlandırılır. ≤0.3 Gy örnekleri el ile HC ve CNL tarafından attı inferred dozlarda hatadır. Otomatik işleme yazılımı tarafından daha az uzmanlar, ± 0.5 Gy3önceliklendirme UAEA tarafından belirtilen sınırları içinde ama genelde daha doğrudur. Tablo 2 ve 3test örneklerinde çoğu için yazılımı bu eşik içinde doğru sonuç üretti. Ancak, HCS07 ve CNLS01 görüntü olası sorunları ve DC kalite görüntü ve FP seçim modelleri uygulama tarafından çözülmüş değil Bu örneklerdeki olduğunu düşündüren bir zavallı iyilik-in-uyum Poisson dağılımı, sergi. P değeri önem eşik yazılım doğru doz doğru belirlendiği yerde HCS05 durumunda aşırı sıkı görünüyor.

Discussion

Yetenekleri ve sınırlamaları yazılım

Bu raporda açıklanan protokol ADCI içinde alma ve sitogenetik metafaz görüntüleri işlemek, radyasyon kalibrasyon eğriler oluşturmak ve bireyler ya da bilinmeyen maruz örnekleri biyolojik doz tahmin etmek için kullanılan tipik step-wise yordam tanıttı Radyasyon seviyesi. Ancak, sırayla bu talimatları yürütmek gerekli değildir. Örneğin, bilinmeyen doz birçok test örnekleri işlenebilir ve aynı precomputed kalibrasyon eğrisi kullanılarak analiz. Ayrıca, işlem tamamlandıktan sonra görüntü seçimi ve modelleri filtreleme DC kullanıcı tarafından tekrarlanır. Uygulama bir uygun görüntü seçimi modelinin özelliklerine bağlıdır ve sırayla hücreleri hazırlamak için kullanılan Laboratuvar Protokolü ve hücreleri seçin sıkılık ölçütü hem dayanır metafaz görüntü verilerin kalitesini otomatik metafaz yakalama sistemleri. Kromozom türleri Morfoloji biodosimetry ve sitogenetik laboratuarları arasında değişir ve böylece, görüntü seçimi modelleri yazılımla birlikte sağlanan önceden tanımlanmış görüntü seçimi modelleri için yeterli olup olmadığını belirlemek için kullanıcı tarafından değerlendirilmesi gerekir doğru doz tahminler üretmek veya olup olmadığını kullanıcı tanımlı ile özel modeller eşikleri oluşturulması gerekiyor. Bizim deneyime dayalı, görüntü seçimi modelleri etkinliğini hücre görüntülerin kalitesi ve kaynak tarafından etkilenir. Kullanıcılar kendi görüntü seçim ölçütü yanlış pozitif DCs ve görüntü seçimi modelleri ve karşılık gelen eşik değerlerini istediğiniz görüntüleri seçmek için ortadan kaldırmak için filtreleri farklı kombinasyonları kullanarak tasarlayabilirsiniz. İşte esneklik kalibrasyon eğrileri ve doz tahmini, giriş olarak değiştirilmiş veya el ile girilmiş katsayıları ikinci dereceden doğrusal eğrisi ve DC frekansları.

Yazılım tam otomatik rağmen görüntüleri el ile seçilen ve incelenebilir. Bu yeteneği dahil veya ana GUI’SİNDE mikroskop Viewer işlev ile tek tek işlenmiş görüntü kaldırmak kullanılabilir. Yine de, otomasyon nedeniyle yazılım metafaz görüntülerini puanlama ve DCs sayma el ile karşılaştırıldığında önemli ölçüde daha verimli olur. 1000 görüntülerini oluşan bir örnek 20 (TIFF) 40 (jpg) dk çok çekirdekli performans istasyonunda işlenebilir. Bu yazılım özellikle birden çok kişiye maruz kalmış ya da radyasyona maruz için şüpheli vardı veya nerede zamana duyarlı tanı ve tedavi gibi zaman kritik veya emek yoğun durumlarda yararlı olacaktır kritik kararlardır.

Kesin ve doğru yüksek işlem hacmi algılama DCs hem de doz tahmini katılımsız radyasyon değerlendirmesi için gerekli. Belgili tanımlık bilgisayar yazılımı elde edilebilir diğer alternatifler her ikisi de bu gereksinimleri yerine getirmek değil. Bir kullanıcı destekli, yansıma tabanlı sitogenetik analiz (DCScore, Metasystems17) sistemi aday DC’lerin manuel doğrulama gerektirir, yüksek bir hata nedeniyle oranı için Düzeltilmemiş atfedilebilecek kromozomlar arasında örtüşüyor ve sistem değil belirlemek radyasyon dozu. DCScore ADCI kadar etkili çok sayıda potansiyel olarak maruz kalan bireylerin içeren bir radyasyon olayı olmaz. Büyük diyafram mikroskop sistemleri birden çok metafaz hücreleri18görüntülerini toplayabilir, ancak, onlar onları analiz değil. “CABAS”19 ve20 yazılım “Doz tahmin” kalibrasyon üretebilir eğrileri ve tahmini doz ama DCs Puan edinildi değil. Floresans in situ hibridizasyon DNA ile hedeflenen belirli kromozom, gen ekspresyonu, Mikronukleus tahlil ve idrar ve solunum biyolojik probları, DC analize dayalı değil diğer biodosimetry deneyleri H2AX floresan içerir. Bu yöntemler iyonizan radyasyon için daha az belirli ve daha az kullanılması, bazı durumlarda daha pahalıya mal olabilir, daha zaman alıcı ve genellikle birden fazla başvuru laboratuvarlar arasında standart değil. Bu tekniklerin çoğu algılama istikrarlı radyasyon yanıt, uzun vadeli değerlendirmesi için kullanılamıyor (> 7 gün sonrası pozlama) radyasyon doz. Buna karşılık, bu bireylerin 90 gün sonrası maruz değerlendirebilir ve verileri görüntüleme sistemi herhangi bir sitogenetik laboratuvar mikroskop işleyebilir. Ancak, eğer bir örnek çizilir > 4 hafta sonrası pozlama, duyarlılık Disentrik aberasyonları1,2,3 çürümesi nedeniyle azalır ve belgili tanımlık bilgisayar yazılımı does değil düzeltmek şu anda DC Frekanslar için örnekleme gecikmeler bireyler maruz.

Bu yazılımın bazı sınırlamalar vardır. Mevcut görüntü seçimi modelleri çoğunlukla kabul edilebilir metafaz görüntü seçin, ancak bazı durumlarda, DC algılama doğruluğunu azaltabilir tatmin edici görüntüleri ortadan kaldırmak başarısız. Hala açık bir soru nasıl tüm uygun olmayan metafaz hücreleri ortadan kaldıran bir tatmin edici görüntü seçim modeli tasarımı olacak. Doğru tahminler için daha yüksek radyasyon doz maruz örnekleri için yazılım (≥ 2 Gy). Yanlış pozitif DCs16sayısını azaltmada önemli ilerlemeye rağmen bu nesneler ortadan değil. Düşük kalite metafaz hücreleri düşük radyasyon dozu, (özellikle < 1 Gy) yanlış pozitif DC algılama için daha yatkındır. Bu nedenle, düşük doz örnekleri HC test örnekleri doz tahmin için kullanılan kalibrasyon eğrisi oluştururken dahil edilmedi. Ancak, düşük doz örnekleri içeren bir eğri isterseniz, alt SVM Sigma değeri düşük doz örnekleri yanlış pozitif sayıları azaltır ancak daha düşük DC verimleri yüksek doz örneklerinde neden olabilir. Şekil 8 doz tahmin için kullanılan HC eğrisi karşılaştırır (Sigma = 1,5) bir kalibrasyon eğrisi ile uygun alt SVM sigma değerde (1.0) ek düşük doz örnekleri ile. Metafaz hücreleri ve/veya kalitesiz metafaz resimler yetersiz sayıda örnekleri, potansiyel olarak fiziksel doz 0.5 Gy aşan sapmalar sonuçlanan düşük doz, biyolojik Etkilenmeler tam olarak tahmin etmek mümkün olmayabilir.

Onların doz-yanıt eğrileri en iyi bir doğrusal veya doğrusal yakınındaki modeli uygun yazılımın doğru bir şekilde radyasyon türleri kesebiliriz değil. Şimdiye kadar sadece X – ve gama ışınları maruz örnekleri ile sınanmıştır. Başka bir ışın kaynağı muayene kullanıcılar kalibrasyon ve test örnekleri radyasyon aynı tip maruz kalır emin olmalısınız. Maksimum olabilirlik veya en küçük kareler bir ikinci derece denklem doğrusal model kullanarak bir doz-yanıt eğrisi oluşturmak için uygun yazılımı kullanır. Şu anda uygun, sıkı bir doğrusal eğrisi dayatmaya hayır seçme hakkı için yüksek enerji parçacık pozlama uygun, ancak bu işlevselliklerden mevcut olacak gelecekte.

Gelecekteki gelişimi

Devam eden çabalarımızı görüntü seçimi modelleri ve doğru doz ölçümü, özellikle düşük radyasyon doz için maruz örnekleri de geliştirmeye odaklanmıştır. Sonraki yazılım sürümleri doz tahminleri ve güven aralıkları kalibrasyon eğrileri üzerinde standart hata ölçümleri sağlayacaktır. Buna ek olarak, bir yüksek performanslı bilgi işlem (BG/Q, IBM) mavi Gene süper bilgisayar yazılımı zamanında bir kitle-kaza radyasyon etkinliğinde maruz kalan bireylerin değerlendirilmesi için geliştiriliyor sürümüdür. Bazı yazılım bileşenlerinin zaten test edilmiş ve bu platformda dağıtılangenç kız “xref” = > 11.

Açıklamalar

The authors have nothing to disclose.

Acknowledgements

Metafaz görüntü verilerini için onların sitogenetik biodosimetry laboratuvarları erişim için Dr. Ruth Wilkins, Sitoloji ve koruma Bölümü Sağlık Kanada ve Farrah Flegal, Kanada nükleer Laboratories ve onların laboratuar personeli için minnettarız. Bu kağıt Kanada İnovasyon programı yapıda bir sözleşmeden CytoGnomix (Seri No için tarafından desteklenmiştir EN579-172270/001/SC). ADCI ilk sürümü ve algoritma geliştirme Western yenilik Fonu tarafından desteklenen; Doğa Bilimleri ve mühendislik Araştırma Konseyi Kanada (NSERC keşif Grant 371758-2009); ABD halk sağlığı Servisi (DART-doz CMCR, 5U01AI091173-0); Yenilik Kanada Vakfı; Kanada araştırma sandalye ve CytoGnomix A.ş.

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