分析方法

 采用AI深度學習原理，基于海量數據進行算法訓練并集成為自動化圖像分析軟件。具體過程如下：

1、循跡：自動定位并沿待測組織圈定待測區域，可根據具體要求手動定位；

2、選色：根據HSI自動進行陽性判斷，可根據具體情況手動修正；

3、運算：根據需求，軟件自動定位細胞核并擴展胞質范圍；計算弱、中、強陽性細胞數量以及面積；累積光密度IOD(integrated optical density) ；組織面積等不同參數。

    4、分析：高倍下逐步計算待測區域。完成后根據原始基礎數據以及算法公式自動對各個項目進行計算得出分析結果，并生成報告。

2.評價項目

    1、陽性細胞比率=陽性細胞數/細胞總數^[1]

    2、陽性細胞密度=陽性細胞數/待測組織面積^[1]

3、平均光密度值=累積光密度IOD值/陽性像素面積^[2]

4、H-SCORE=∑（pi×i）=（percentage of weak intensity ×1)+(percentage  of moderate intensity ×2)+(percentage of strong intensity ×3) ^{[3][4] [7][8]}

5、IRS=SI（陽性強度）×PP（陽性細胞比率）。SI可分為3級，0級無陽性著色，1級淡黃色弱陽性，2級棕黃色中陽性，3級棕褐色強陽性；PP可分為4級，0級為0～5%，1級為6%～25%，2級為26%～50%，3級為51%～75%，4級為>75% ^[5]

6、陽性面積比=陽性面積/組織面積^[6]

7、陽性面密度=累積光密度IOD值/組織像素面積^[2]

 

3.分析結果

5.原始基礎數據