دانلود و نمایش مقالات مرتبط با Histology::صفحه 1
بلافاصله پس از پرداخت دانلود کنید
نتیجه جستجو - Histology

تعداد مقالات یافته شده: 11
ردیف عنوان نوع
1 QUANTITATIVE ULTRASOUND AND B-MODE IMAGE TEXTURE FEATURES CORRELATE WITH COLLAGEN AND MYELIN CONTENT IN HUMAN ULNAR NERVE FASCICLES
ويژگي هاي بافت تصفيفي ULTRASOUND و B-MODE كمتر با كلاژن و محتوا ميلين در فاكتورهاي NERVE ULNAR انسان-2019
Abstract—We investigate the usefulness of quantitative ultrasound and B-mode texture features for characterization of ulnar nerve fascicles. Ultrasound data were acquired from cadaveric specimens using a nominal 30-MHz probe. Next, the nerves were extracted to prepare histology sections. Eighty-five fascicles were matched between the B-mode images and the histology sections. For each fascicle image, we selected an intra-fascicular region of interest. We used histology sections to determine features related to the concentration of collagen and myelin and ultrasound data to calculate the backscatter coefficient (24.89 § 8.31 dB), attenuation coefficient (0.92 § 0.04 db/cm-MHz), Nakagami parameter (1.01 § 0.18) and entropy (6.92 § 0.83), as well as B-mode texture features obtained via the gray-level co-occurrence matrix algorithm. Significant Spearman rank correlations between the combined collagen and myelin concentrations were obtained for the backscatter coefficient (R = 0.68), entropy (R = 0.51) and several texture features. Our study indicates that quantitative ultrasound may potentially provide information on structural components of nerve fascicles.
Key Words: Nerve | Quantitative ultrasound | High frequency | Histology | Pattern recognition | Texture analysis
مقاله انگلیسی
2 Shape analysis of 3D nanoscale reconstructions of brain cell nuclear envelopes by implicit and explicit parametric representations
تجزیه و تحلیل 3D بازسازی شکل در مقیاس نانو سلول های مغز پاکت های هسته ای توسط نمایندگی پارامتری ضمنی و صریح-2019
Shape analysis of cell nuclei is becoming increasingly important in biology and medicine. Recent results have identified that large variability in shape and size of nuclei has an important impact on many biological processes. Current analysis techniques involve automatic methods for detection and segmentation of histology and microscopy images, but are mostly performed in 2D. Methods for 3D shape analysis, made possible by emerging acquisition methods capable to provide nanometric-scale 3D reconstructions, are still at an early stage, and often assume a simple spherical shape. We introduce here a framework for analyzing 3D nanoscale reconstructions of nuclei of brain cells (mostly neurons), obtained by semiautomatic segmentation of electron micrographs. Our method considers two parametric representations: the first one customizes the implicit hyperquadrics formulation and it is particularly suited for convex shapes, while the latter considers a spherical harmonics decomposition of the explicit radial representation. Point clouds of nuclear envelopes, extracted from image data, are fitted to the parameterized models which are then used for performing statistical analysis and shape comparisons. We report on the analysis of a collection of 121 nuclei of brain cells obtained from the somatosensory cortex of a juvenile rat.
Keywords: Shape analysis | Nanoscale cell reconstruction | Nuclear envelopes | Cell classification
مقاله انگلیسی
3 Utilizing supervised machine learning to identify microglia and astrocytes in situ: implications for large-scale image analysis and quantification
استفاده از یادگیری ماشین نظارت شده برای شناسایی میکروگلیا و آستروسیت ها درجا: پیامدهای آنالیز و اندازه گیری تصویر در مقیاس بزرگ-2019
Background: The evaluation of histological tissue samples plays a crucial role in deciphering preclinical disease and injury mechanisms. High-resolution images can be obtained quickly however data acquisition are often bottlenecked by manual analysis methodologies. New Method: We describe and validate a pipeline for a novel machine learning-based analytical method, using the Opera High-Content Screening system and Harmony software, allowing for detailed image analysis of cellular markers in histological samples. Results: To validate the machine learning pipeline, analyses of single proteins in mouse brain sections were utilized. To demonstrate adaptability of the pipeline for multiple cell types and epitopes, the percent brain coverage of microglial cells, identified by ionized calcium binding adaptors molecule 1 (Iba1), and of astrocytes, by glial fibrillary acidic protein (GFAP) demonstrated no significant differences between automated and manual analyses protocols. Further to examine the robustness of this protocol for multiple proteins simultaneously labeling of rat brain sections were utilized; co-localization of astrocytic endfeet on blood vessels, using aquaporin- 4 and tomato lectin respectively, were efficiently identified and quantified by the novel pipeline and were not significantly different between the two analyses protocols. Comparison with Existing Methods: The automated platform maintained the sensitivity and accuracy of manual analysis, while accomplishing the analyses in 1/200th of the time. Conclusions: We demonstrate the benefits and potential of adapting an automated high-throughput machinelearning analytical approach for the analysis ofin situ tissue samples, show effectiveness across different animal models, while reducing analysis time and increasing productivity.
Keywords: Supervised machine learning | Artificial intelligence | Histology | Immunofluorescence | Astrocytes | Microglia
مقاله انگلیسی
4 In silico and in vivo studies of Astragalus glycyphylloides saponin(s) with relevance to metabolic syndrome modulation
در مطالعات سیلیکون و داخل بدن از گلیسفیلوئیدهای ساپونین آستراگال گلیسفیلوئیدها با ارتباط با مدولاسیون سندرم متابولیک-2019
Triterpenoids are well known modulators of metabolic syndrome. One of the suggested modes of action (MoAs) involves peroxisome proliferator-activated receptor gamma (PPARγ) binding. In this study we aimed to: (i) evaluate in silico potential metabolites and PPARγ-mediated MoA of the sapogenin of the main saponin present in a purified saponins mixture (PSM) from Astragalus glycyphylloides; (ii) estimate in silico and in vivo PSMs toxicity; and (iii) investigate in vivo antihyperglycaemic, hypolipidaemic, antioxidant and hepatoprotective effects of PSM. Metabolites and toxicity were predicted using Meteor and Derek Nexus expert systems (Lhasa Limited) and PPARγ binding was investigated using the software MOE (CCG Inc.). PSMs acute oral toxicity was evaluated in mice and the pharmacological effects were assessed in streptozotocin-induced diabetic spontaneously hypertensive rats (SHRs). Liver histopathology was studied as well. PPARγ weak partial agonism was predicted in silico for 24 probable/plausible Phase I metabolites which docking poses were clustered in 12 different binding modes with characteristic protein-ligand interactions. PSMs beneficial effects on the levels of blood glucose, triglycerides, and total cholesterol, on oxidative stress markers and liver histology in diabetic SHRs were comparable to those of the PPARγ ligand pioglitazone. PSMs safety profile was confirmed in silico and in vivo.
Keywords: Metabolic syndrome | Saponins | Metabolites | PPARγ | Pharmacophore-based docking | Diabetic spontaneously hypertensive rats
مقاله انگلیسی
5 واکنش بدن به پوشش تیتانیومی جدید در مقایسه با پلی¬اتراترکتون: ارزیابی سطوح داخلی و محیطی یک ایمپلنت
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 10 - تعداد صفحات فایل doc فارسی: 26
پیش زمینه: افزایش رشد استخوان از بیرون و رشد از داخل در قطعات جوش خوردگی درون بدنی از جنس پلی-اتر اترکتون (PEEK) پتانسیل بهبود نتایج بالینی را دارد. هدف: این مقاله به ارزیابی واکنش آزمایشگاهی ارتقای رشد استخوان جدید و تحرک استخوان با نانومتالن (NM) در مقایسه با PEEK در محل کشت اسفنجی با منافذ خالی می پردازد.
طراحی پژوهش: این یک پژوهش تصادفی کنترل شده بر روی حیوانات است.
روش ها: ایمپلنت ها و بودجه ی این پژوهش توسط SeaSpine (معادل 60000 دلار آمریکا) تأمین شد. پیچ-های استوانه ای با دو منفذ از جنس PEEK با لایه ی زیرمیکرون از جنس تیتانیوم تهیه شدند. پوشش تیتانیوم بر روی کل ایمپلنت قرار گرفت (گروه 1)، در مواردی هم تنها منافذ را پوشاندیم (گروه 2). ایمپلنت-های پلی اتراترکتون فاقد پوشش به عنوان نمونه های شاهد عمل می کنند (گروه 3). ایمپلنت ها در بخش اسفنجی استخوان ران دیستال یا استخوان درشت نی پروگزیمال 8 گوسفند بالغ جای گرفتند و هیچگونه مواد پیوندی بر روی منافذ استفاده نشد.رشد استخوان از بیرون بر روی سطح ایمپلنت و رشد به داخل منافذ طی 4 و 8 هفته پس از عمل جراحی با توموگرافی میکروکامپیوتری (CT) و بافت شناسی فاقد کلسیم زدایی ارزیابی شد.
نتایج: منافذ در ایمپلنت ها در گروه PEEK بطور قابل ملاحظه ای در 4 و 8 هفته خالی بودند. در مقابل، تشکیل استخوان جدید درون منافذ در نمونه های پوشیده شده با NM حتی بدون قرار دادن ماده ی پیوندی بر روی محل شکستگی، ثبت شد. رشد استخوان به درون منفذ در امتداد لایه ی تیتانیوم بود. منافذ دارای پوشش تیتانیومی رتبه ی کیفی میکرو CT استخوانی به مراتب بهتری در مقایسه با PEEK داشتند، متوسط نمره ی پوشش استخوانی گروه 1 (NM)، 1.62±0.89 ، گروه 2 (NM تنها برای منافذ) 1.62±0.77 و گروه 3 (PEEK) برابر با 0.43±0.51 در 4 هفته بود (p<0.01)، برای 8 هفته نیز به ترتیب این نمرات را داریم: 1.79±1.19، 1.98±1.18 و 0.69±0.87 (p<0.05). مقدار استخوان در منافذ (رشد از داخل) با استفاده از داده های حجم سنجی حاصل از میکرو CT کمی سازی شده و بیانگر افزایش کلی حجم استخوان درون منافذ با بکارگیری پوشش تیتانیومی در مقایسه با PEEK است. بافت-شناسی نشان می دهد استخوان های جدید در امتداد سطح تیتانیوم در منافذ ایجاد می شوند. سطح رابط PEEK، بافت رشته ای غیرواکنش پذیر معمولی درون منافذ در هفته ی چهارم و تماس کانونی با استخوان بر روی سطح خارجی در هفته های 4 و 8 را نشان می دهد.
نتیجه گیری: میکرو CT و بافت شناسی بیانگر رشد استخوان از بیرون بر روی سطوح پوشیده شده با NM است که در آن، استخوان تشکیل شده ی جدید در امتداد سطوح پوشیده شده با تیتانیوم نازک ایجاد می شود. سطوح پلی اتراترکتون، بافت رشته ای غیرواکنش پذیر در سطوح رابط را که پیشتر در سناریوهای پیش بالینی گزارش شده بود را نشان می دهد.
کلیدواژه ها: مدل حیوانی | رشد استخوان از بیرون | بافت شناسی | PEEK | گوسفند | جوش ستون فقرات | پوشش تیتانیوم
مقاله ترجمه شده
6 واکنش بدن به پوشش تیتانیومی جدید در مقایسه با پلی اتراترکتون: ارزیابی سطوح داخلی و محیطی یک ایمپلنت
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 10 - تعداد صفحات فایل doc فارسی: 26
پیش زمینه: افزایش رشد استخوان از بیرون و رشد از داخل در قطعات جوش خوردگی درون بدنی از جنس پلی اتر-اترکتون (PEEK) پتانسیل بهبود نتایج بالینی را دارد. هدف: این مقاله به ارزیابی واکنش آزمایشگاهی ارتقای رشد استخوان جدید و تحرک استخوان با نانومتالن (NM) در مقایسه با PEEK در محل کشت اسفنجی با منافذ خالی می پردازد.
طراحی پژوهش: این یک پژوهش تصادفی کنترل شده بر روی حیوانات است.
روش ها: ایمپلنت ها و بودجه ی این پژوهش توسط SeaSpine (معادل 60000 دلار آمریکا) تأمین شد. پیچ های استوانه ای با دو منفذ از جنس PEEK با لایه ی زیرمیکرون از جنس تیتانیوم تهیه شدند. پوشش تیتانیوم بر روی کل ایمپلنت قرار گرفت (گروه 1)، در مواردی هم تنها منافذ را پوشاندیم (گروه 2). ایمپلنت های پلی-اتراترکتون فاقد پوشش به عنوان نمونه های شاهد عمل می کنند (گروه 3). ایمپلنت ها در بخش اسفنجی استخوان ران دیستال یا استخوان درشت نی پروگزیمال 8 گوسفند بالغ جای گرفتند و هیچگونه مواد پیوندی بر روی منافذ استفاده نشد.رشد استخوان از بیرون بر روی سطح ایمپلنت و رشد به داخل منافذ طی 4 و 8 هفته پس از عمل جراحی با توموگرافی میکروکامپیوتری (CT) و بافت شناسی فاقد کلسیم زدایی ارزیابی شد.
نتایج: منافذ در ایمپلنت ها در گروه PEEK بطور قابل ملاحظه ای در 4 و 8 هفته خالی بودند. در مقابل، تشکیل استخوان جدید درون منافذ در نمونه های پوشیده شده با NM حتی بدون قرار دادن ماده ی پیوندی بر روی محل شکستگی، ثبت شد. رشد استخوان به درون منفذ در امتداد لایه ی تیتانیوم بود. منافذ دارای پوشش تیتانیومی رتبه ی کیفی میکرو CT استخوانی به مراتب بهتری در مقایسه با PEEK داشتند، متوسط نمره ی پوشش استخوانی گروه 1 (NM)، 1.62±0.89 ، گروه 2 (NM تنها برای منافذ) 1.62±0.77 و گروه 3 (PEEK) برابر با 0.43±0.51 در 4 هفته بود (p<0.01)، برای 8 هفته نیز به ترتیب این نمرات را داریم: 1.79±1.19، 1.98±1.18 و 0.69±0.87 (p<0.05). مقدار استخوان در منافذ (رشد از داخل) با استفاده از داده های حجم سنجی حاصل از میکرو CT کمی سازی شده و بیانگر افزایش کلی حجم استخوان درون منافذ با بکارگیری پوشش تیتانیومی در مقایسه با PEEK است. بافت شناسی نشان می دهد استخوان های جدید در امتداد سطح تیتانیوم در منافذ ایجاد می شوند. سطح رابط PEEK، بافت رشته ای غیرواکنش پذیر معمولی درون منافذ در هفته ی چهارم و تماس کانونی با استخوان بر روی سطح خارجی در هفته های 4 و 8 را نشان می-دهد.
نتیجه گیری: میکرو CT و بافت شناسی بیانگر رشد استخوان از بیرون بر روی سطوح پوشیده شده با NM است که در آن، استخوان تشکیل شده ی جدید در امتداد سطوح پوشیده شده با تیتانیوم نازک ایجاد می شود. سطوح پلی اتراترکتون، بافت رشته ای غیرواکنش پذیر در سطوح رابط را که پیشتر در سناریوهای پیش بالینی گزارش شده بود را نشان می دهد.
کلیدواژه ها: مدل حیوانی | رشد استخوان از بیرون | بافت شناسی | PEEK | گوسفند | جوش ستون فقرات | پوشش تیتانیوم
مقاله ترجمه شده
7 When machine vision meets histology: A comparative evaluation of model architecture for classification of histology sections
هنگامی که بینایی دستگاه با بافت شناسی مقابله می شود: ارزیابی مقایسه ای از معماری مدل برای طبقه بندی بخش های بافت شناسی-2017
Article history:Received 25 February 2016Revised 12 August 2016Accepted 26 August 2016Available online 9 September 2016Keywords:Computational histopathology ClassificationUnsupervised feature learning Sparse feature encoderClassification of histology sections in large cohorts, in terms of distinct regions of microanatomy (e.g., stromal) and histopathology (e.g., tumor, necrosis), enables the quantification of tumor composition, and the construction of predictive models of genomics and clinical outcome. To tackle the large technical vari- ations and biological heterogeneities, which are intrinsic in large cohorts, emerging systems utilize either prior knowledge from pathologists or unsupervised feature learning for invariant representation of the underlying properties in the data. However, to a large degree, the architecture for tissue histology classi- fication remains unexplored and requires urgent systematical investigation. This paper is the first attempt to provide insights into three fundamental questions in tissue histology classification: I. Is unsupervised feature learning preferable to human engineered features? II. Does cellular saliency help? III. Does the sparse feature encoder contribute to recognition? We show that (a) in I, both Cellular Morphometric Fea- ture and features from unsupervised feature learning lead to superior performance when compared to SIFT and [Color, Texture]; (b) in II, cellular saliency incorporation impairs the performance for systems built upon pixel-/patch-level features; and (c) in III, the effect of the sparse feature encoder is correlated with the robustness of features, and the performance can be consistently improved by the multi-stage ex- tension of systems built upon both Cellular Morphmetric Feature and features from unsupervised feature learning. These insights are validated with two cohorts of Glioblastoma Multiforme (GBM) and Kidney Clear Cell Carcinoma (KIRC).© 2016 Elsevier B.V. All rights reserved.
Keywords: Computational histopathology | Classification | Unsupervised feature learning | Sparse feature encoder
مقاله انگلیسی
8 Efficacy of Second-line Targeted Therapy for Renal Cell Carcinoma According to Change from Baseline in International Metastatic Renal Cell Carcinoma Database Consortium Prognostic Category
کارآیی درمان دوم هدفمند برای سل کارسینوم سلولی کلیه با توجه به تغییرات از پیش تعیین شده در گروه پیش آگهی کنسرسیوم پایگاه داده بین المللی متاستاتیک سلولهای کلیه-2017
Background: We hypothesized that changes in International Metastatic Renal Cell Carcinoma Database Consortium (IMDC) prognostic category at start of second-line therapy (2L) for metastatic renal cell carcinoma (mRCC) might predict response. Objective: To assess outcomes of 2L according to type of therapy and change in IMDC prognostic category. Design, setting, and participants: We performed a retrospective review of the IMDC database for mRCC patients who received first-line (1L) VEGF inhibitors (VEGFi) and then 2L with VEGFi or mTOR inhibitors (mTORi). IMDC prognostic categories were defined before each line of therapy (favorable, F; intermediate, I; poor, P). Data were analyzed for 1516 patients, of whom 89% had clear cell histology. Intervention: All included patients received targeted therapy for mRCC. Outcome measurements and statistical analysis: Overall survival (OS), time to treat ment failure, and response to 2L were analyzed using Cox or logistic regression. Results and limitations: At start of 2L, 60% of patients remained in the same prognostic category; 9.0% improved (3% I ! F; 6% P ! I); 31% deteriorated (15% F ! I or P; 16% I ! P). Patients with the same or better IMDC prognostic category had a longer time to treatment failure if they remained on VEGFi compared to those who switched to mTORi (adjusted hazard ratio [AHR] ranging from 0.33 to 0.78, adjusted p < 0.05). Patients who deteriorated from F to I appeared more likely to benefit from switching to mTORi (median OS 16.5 mo, 95% confidence interval [CI] 12.0–19.0 for VEGFi; 20.2 mo, 95% CI 14.3–26.1 for mTORi; AHR 1.53, 95% CI 1.04–2.24; adjusted p = 0.03). Conclusions: Changes in IMDC prognostic category predict the subsequent clinical course for patients with mRCC and provide a rational basis for selection of subsequent therapy. Patient summary: The pattern of treatment failure might help to predict what the next treatment should be for patients with metastatic renal cell carcinoma.
Keywords: Carcinoma | Renal cell | atabase | Follow-up studies | Logistic models
مقاله انگلیسی
9 Down-regulation of long non-coding RNA MEG3 indicates an unfavorable prognosis in non-small cell lung cancer: Evidence from the GEO database
تنظیم-پایین طولانی غیر کد RNA MEG3 نشان دهنده پیش آگهی نامطلوب در سرطان ریه سلول غیر کوچک: شواهدی از پایگاه داده GEO-2017
Long non-coding RNA (lncRNA) MEG3 (maternally expressed gene 3) is an imprinted gene that suppresses cells growth in various tumors. However, the association between MEG3 expression and prognosis in non-small cell lung cancer (NSCLC) has not been fully investigated. Seven datasets with 1144 patients were obtained from Gene Expression Omnibus (GEO) database (Affymetrix U133 Plus 2.0 platform). Association between MEG3 and other variables was tested using the chi-squared test. Kaplan–Meier survival analysis was carried out to explore the association between MEG3 expression and overall survival (OS)/progression free survival (PFS). Results of univariate and multivariate Cox regression analysis were represented in HR and 95%CI form. Summarized results and publication bias were showed by forest plots and funnel plots respectively. Differential expression of MEG3 was related to stage (GSE31210OS and GSE31210PFS), histology (GSE29013OS and GSE29013PFS) and gender (GSE29013PFS). In summary, low MEG3 expression was associated with shorter long-term survival time in several datasets (GSE3141 (p=0.039), GSE30219 (p=0.008) for OS and GSE30219 (p=0.048) for PFS). We found that MEG3 was an independent prognostic factor in GSE30219 for PFS (HR 0.666, 95%CI 0.458-0.969, p=0.033). The summarized results suggested that low MEG3 expression was a poor prognostic factor in NSCLC (HR=0.77, 95%CI 0.63- 0.95). Specifically, the association between low MEG3 expression and poor prognosis was markedly significant in younger patients (≤60 years old) (HR0.602, 95%CI 0.417-0.867, p=0.007). These findings indicate that MEG3 could be a novel prognostic factor for NSCLC patients.
Key words : MEG3 | NSCLC | prognosis | GEO database
مقاله انگلیسی
10 Pathology and cancer policy
آسیب شناسی و خط و مشی سرطان-2016
Pathology is crucial to the investigation and management of the cancer patient. While the diagnostic importance might be most obviously seen in cell/anatomic pathology, the other pathology specialities are also vital in, for example, the successful pre- and post-operative management of the cancer patient where the need for good quality blood transfusion, microbiology/immunology and blood chemistry to manage, for instance, the complications of chemo- and radiation therapy is obvious. Having said this, cell pathology has a particular role and will be the focus of the rest of this paper. At its most basic, cell pathology, using simple haematoxylin and eosin stains, determines the answers to questions such as: is this mass neoplastic or, for instance, inflammatory? If a neoplasm, is it benign or malignant? If malignant, what type of malignant tumour is it? How aggressive is it? How far has it invaded? Has it been fully excised? Has it metastasized to lymph nodes and/or is it in blood vessels? How many lymph nodes are involved and where located? Using immunohistology, what is the molecular phenotype? Using nucleic acid analysis, what is the genotype? All of these features tell the clinician not just the diagnosis, but the likely prognosis, the most appropriate therapy (especially important in personalized/precision medicine), what follow-up is advisable (eg further surgery if an excision margin is too close to the tumour), what further investigations might be needed, and so on.
مقاله انگلیسی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi