Analyse d’images avec Immuno Object by Learning

Sur une lame IHC ou IF, le programme Immuno Object by Learning permet d’identifier des objets comportant des caractéristiques précises et de les classer selon deux classes : les objets qui possèdent ces caractéristiques et les autres. Basé sur des techniques d’apprentissage dites de « machine learning », cet algorithme peut identifier et quantifier des classes d’objets très différentes les unes des autres.

Il est notamment utilisé pour quantifier des marquages cellulaires tant en IHC qu’en IF :

  • Nucléaires : Ki67, RO, RP
  • Cytoplasmiques : CD68, CD163
  • Membranaires : CD3, CD8, CD20
  • Multiplexages IF : DAPI/FITC/TRITC/CY5

Le protocole :

Les étapes de l’analyse d’images avec l’algorithme IOBL sont les suivantes :

  • Création d’un modèle d’apprentissage
    L’outil RFT permet de créer une base d’apprentissage qui permettra d’identifier les cellules présentant les caractéristiques recherchées. L’utilisateur marque alors les différents objets à l’aide d’un pinceau afin que l’algorithme puisse déterminer automatiquement les caractéristiques classificatoires.
  • Choix de la stratégie d’échantillonnage
    Lors du calcul des résultats d’analyse, la région à analyser est découpée en « tuiles ». Selon les critères préalablement définis, il est possible d’analyser l’ensemble de ces tuiles, ou seulement certaines d’entre elles en se basant sur des stratégies d’échantillonnage statistique.
  • Choix du type de résultat et post-traitements
    L’utilisateur peut soit choisir de dénombrer les objets ou bien de générer un résultat décrivant chaque objet. Dans ce cas, des opérations morpho-mathématiques permettent de sélectionner les objets selon certains critères  
  • Définition des seuils de positivités au marquage
    L’utilisateur peut classer les objets segmentés en deux classes (positifs ou négatifs) ou quatre classes ( 0, 1+, 2+, 3+).

Les résultats sont exprimés en nombre, en densité et en pourcentage d’objets pour chacune des classes. Ils sont ensuite comparés au nombre total d’objets présents dans la région d’analyse. Les objets analysés peuvent également être individualisés et décrits un à un.

Découvrir comment créer un projet RFT