-
图 1 多种生物医学图像的示例及在临床和研究中的主要应用
Figure 1.
-
图 2 传统模式识别方法处理生物医学图像的一般步骤
Figure 2.
-
图 3 经典卷积神经网络模型的时间轴及特点
Figure 3.
-
图 4 荧光点的两种建模方法示意图
Figure 4.
-
图 5 当前生物医学图像研究中的主要挑战和可行解决方向
Figure 5.
-
类型 数据集 数据量 特点 荧光显微图像 CYCLoPs[23] 超3×105幅蛋白荧光图像 标注酵母细胞中蛋白质16类亚细胞位置及表达量 HPA IF[24] 2.2×105幅IF图像 20余个细胞系的蛋白图像，标注34类亚细胞位置 2D HeLa[25] 862幅荧光显微图像 HeLa宫颈癌细胞系，标注10个标志蛋白的表达模式 2D CHO[26] 327幅荧光显微图像 中国仓鼠卵巢细胞图像，标注5个标志蛋白的表达模式 组织病理图像 BreakHis[27] 7909幅H&E图像 乳腺良性和恶性肿瘤图像，共8类病理状态 TCGA[28] 18462幅H&E图像 记录36类癌症的病理检查及治疗数据， TMAD[29] 3726幅IHC图像 对蛋白质着色的评分，分为4个等级 HPA IHC[30] 约106幅IHC图像 人体正常和癌症组织的蛋白图像，标注3类亚细胞位置 医疗影像图像 BRATS[31] 65幅MRI图像 经专家人工分割的脑胶质瘤患者的多对比度MR扫描图像，两组癌症分级 ADNI[32] 2000余名志愿者的MRI、PET图像 阿尔茨海默病患者和健康组对照 ISLES[33] 103位病人的MRI图像 缺血性中风病人图像，由专家人工分割出损伤的脑组织 DeepLesion[34] 32735幅CT图像 肾脏病变、骨病变、肺结节、淋巴结肿大等多种病理诊断 表 1 常用的生物图像数据集
-
类型 处理工具 作用 通用 ImageJ[36] 对多种生物医学图像做如缩放、旋转、平滑、区域分割、像素统计等多种处理分析 CellProfiler[37] 分割荧光点或细胞，提取细胞的统计学特征 荧光显微图像 Squassh[38] 分割和定量亚细胞结构 DeepLoc[39] 基于荧光图像预测蛋白质的亚细胞位置 CellOrganizer[40] 对多种细胞亚结构建立生成式模型，产生新的细胞图像或视频 OMERO.searcher[41] 图像匹配和检索 组织病理图像 HistomicsML[42] 交互式机器学习系统，训练基于病理图像的分类器 IHC Profiler[43] IHC图像统计学特征提取，着色评分 iLocator[44-46] 基于IHC图像的蛋白质亚细胞位置预测系统 医疗影像图像 RayPlus[47] 在线的云端的智能医学影像平台，集成3维影像重建、专科影像分析等功能 Mimics[48] 一套高度整合而且易用的3D图像生成及编辑处理软件 ANTS[49] 提供了高级的工具用于大脑图像配准映射，在解释和可视化多维数据方面有优势 FSL[50] 用于分析fMRI，MRI和DTI大脑成像数据的综合软件库 表 2 常用的生物图像处理工具
图共
5 个 表共
2 个
