Epredia Anatomical Pathology Catalog _ French - Flipbook - Page 205
Pathologie numérique
Analyse d'image numérique
QuantCenter est une puissante plate-forme d'analyse automatique d'images conçue pour le processus de quantification
numérique plein champ.
Conçue pour s'intégrer parfaitement dans le processus d'examen microscopique conventionnel, QuantCenter comprend
des algorithmes allant de la classification des tissus à l'analyse FISH basée sur les cellules qui peuvent être librement
combinés. Il propose une analyse de l'image assistée par ordinateur permettant des résultats analytiques précis et de haute
qualité générés rapidement.
Le cadre QuantCenter permet la connexion de nombreuses applications d'analyse d'image pour générer un scénario
d'analyse d'image unique. En utilisant cette fonction comme première étape, les modules de classification des tissus
peuvent être appliqués
Pathologie moléculaire
FISHQuant
• Cette puissante application cytogénétique et pour le diagnostic des cancers sert à quantifier les signaux FISH (hybridation
in situ en fluorescence) sur des échantillons de tissus de maladies à tumeur solide telles que le cancer du sein et du
poumon, les sarcomes et lymphomes.
• Ce module convient à l'examen des tumeurs hématologiques ; FISHQuant classe les cellules en interphase et métaphase
individuellement pour une évaluation globale.
CISHQuant
• Quantifiez les échantillons colorés CISH (hybridation in situ chromogène). L'algorithme peut être calibré en fonction du
protocole de coloration et de la qualité à l'aide d'un outil de réglage de couleur intégré. Ce module convient à l'examen de
l'amplification et la délétion génique et de l'aberration chromosomique.
CISH-RNAQuant
• Détecte le virus à ARN dans le noyau de la cellule infecté par le virus (virus Epstein Barr, HPV, HHV8).
• L'application contient un module d'ajustement de couleur qui peut être calibré par rapport au protocole de coloration et à
la qualité appliquée.
Histopathologie
Classification des tissus
HistoQuant
• Ce module de segmentation histologique identifie les composants du tissu en se basant sur la couleur et l'intensité des
pixels de l'image.
• Ce module peut être exécuté comme application autonome ou combiné avec n'importe lequel de nos modules de
quantification IHC pour analyse en fond clair ou fluorescence.
PatternQuant
• Module de reconnaissance de motif entraînable pour la classification des tissus, la pré-segmentation des tissus et
l'identification des différentes structures de tissus.
• L'algorithme basé sur le « machine-learning » est capable de classer différents types de tissus en fonction de leurs
modèles de texture et de leurs caractéristiques de couleurs.
Destiné à des utilisations dans la recherche et l'éducation, pas à une utilisation dans des procédures de diagnostics
210
Contactez-nous
|
www.epredia.com
