图像处理在免疫组化ki―67中的应用.docVIP

精品文档（可编辑） 值得下载 图像处理在免疫组化Ki―67中的应用 0 引言 肿瘤的发生、发展是一个多基因调控和多步骤发展的复杂病理过程，其中细胞增殖失控和凋亡的失衡是肿瘤的一个基本特征，细胞增殖是一个被高度协调机制控制的基本生物过程，人体复杂的调控机制负责胚胎的正常发育、伤害和感染等的调控，一旦调控平衡被打破，就可能产生肿瘤[1]。而Ki-67即细胞核相关抗原，属于非组蛋白，是一种目前应用最广泛的细胞增殖标记之一。Ki-67作为标记细胞的“生长指数”，用来衡量肿瘤细胞的生长速度，与恶性肿瘤的发展、转移和预后高度相关[2]。Ki-67作为一个重要指标，以往人们常通过人工方法对阳性反应强度进行判定和通过人工计数阳性细胞占全部细胞的百分率来对阳性反应分布进行半定量的记录，不但极大的增加了工作量，而且受分析者的主观影响很大，难以进行客观评价。近年来随着图像分析仪（Image analyser，IA）的出现及其功能的日益完善，越来越多的研究者开始应用图像处理技术对Ki-67的结果进行定量分析[3]，由于Ki-67定量分析仅用阳性细胞数占肿瘤细胞的百分比即PI指数来衡量[4]，所以用图像处理能有效的避免人工计数所带来的主观影响。 1 图像处理在免疫组化中的应用 在医学图像处理技术中，开始许多人应用图像处理对细胞核DNA含量进行定量分析[5]，发现能较好地反映病理图像与DNA量的关系。国外也有学者应用图像处理技术进行DNA倍体分析，结果与流式细胞仪测定结果非常接近[6]，所以图像处理技术慢慢的在医学中盛行。如核磁共振成像、X线计算机断层成像、正电子发射体断层成像、单光子发射体断层成像、病理学以及细胞学所应用的显微医学图像或细胞图像。图像处理系统既可用于病理诊断，又可用于基础研究。图像处理应用于病理诊断可以提高诊断质量，而免疫组化作为常规病理方法很难判断的肿瘤的性质分期的辅助方法，对于诊断结果非常重要。由于免疫组化染色需是通过病理切片的着色情况来判定结果，而人眼对相同强度单色光的主观感觉不同，必将会影响对结果的判定。应用计算机进行图像处理，则可避免这种主观感觉的偏差。国外Figueido RJ等在研究脑组织血管病变中淀粉样蛋白沉积的免疫组化染色时应用了计算机图像处理技术进行染色的着色分析和形状分析[7]，取得了很好的效果。国内亦有学者应用计算机图像处理技术对免疫组化图像进行分析研究，使免疫组化图像实现数字化处理。 2 在免疫组化中的图像分割法 通过计算机图像处理自动分析免疫组化彩色图像，辅助医生准确观察和定量检测免疫组化显色反应强度[8]，为了准确分析彩色图像中不同的区域，图像分割是关键的一步，其结果影响后续定量检测的准确度测的精度。这是因为一方面，它是目标表达的基础，对特征测量特征提取及度量有重要的影响。另一方面，因为图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式，使得更高层的图像处理和理解成为可能[9]。图像分割是指把图像分成各具特征的区域并提取出感兴趣的目标的技术。图像分割是从图像处理到图像处理的关键步骤，也是进一步进行图像理解的基础，分割的好坏直接影响到后续图像处理的结果。通过图像分割可以提取出图像中用户关心的目标并为以后的图像处理提供必要的数据。在进行免疫组化图像的分割时，往往用单一的方法不能得到令人满意的结果，常常采用综合的方法进行图像的分割。纵观国内外关于免疫组化图像分割的研究，免疫组化图像的分割仍是一个世界性难题，没有一种通用的图像分割方法，也不存在一种判断是否分割成功的客观标准。各种文献中提到的免疫组化图像的分割一般利用细胞图像特有的统计特性、图像中细胞及细胞的轮廓、边缘和纹理等视觉特性进行分割，传统的分割方法可分为基于阈值的分割方法、基于区域的分割方法、基于边缘检测的方法及基于区域的分割方法，此外还有一些结合特殊技术的分割方法（基于数学形态学的分割方法、基于小波的分割方法在医学图像分割法和基于C-均值聚类算法的免疫组化彩色图像分割方法）。 3 结束语 随着计算机及其相关技术的迅速的发展及图形图像技术的日渐成熟，计算机图像处理技术和免疫组化分析方法相结合推动免疫组化研究由定性向定量的发展，使诊断更科学，更准确。所以采用图像处理软件对免疫组化图像进行处理，从而实现对细胞进行识别、分类和定量测定，为诊断提供理论基础和可靠而有效的方法，为病理诊断、分型分级、预后判断，及病因、发病机制探讨等方面创造条件[11]。图像处理系统具有精确可靠、重复性好、高效快速等优点，因此在免疫组化甚至医学图像处理有着非常广阔的前景。 【参考文献】 [1]向靖，陆友金.Ki-67与肺癌关系的研究进展[J].临床肺科杂志，2012，17（4）：706