多色分析服务--HALO病理图像分析

病理检查一直被誉为疾病诊断的"金标准"，是认识疾病本质的理论基础，病理学诊断在医学诊断中常被认为是"权威诊断"，意义重大。但传统的病理诊断面临着主观因素大，缺乏客观数据；效率低，耗费大量时间；没有精准的统计，重复性低等缺陷。为此，科学家们也一直在寻求和创造新的分析技术及方法：数字病理，全切片影像系统，机器学习，人工智能....

病理诊断的工作很复杂，但是病理图像分析的流程却很简单：从标准化制片到染色、扫描成全切片数字图像、再到最后的图像分析及管理和共享，前面的三步随着设备升级、技术发展已经能够高效率进行。最后一步的切片观察难度依然很大，现阶段需要凭靠病理学家们丰富的科研经验进行判断，如遇到大批量一起的切片，就非常耗费时间与人力。

多色老师：我成像完了以后想要做数据分析，有什么软件可以推荐吗？

小爱：目前市面上数据分析软件还是比较多的，像免费的您可以下载imageJ、Qupath，缺点就是用法都需要您自行摸索；我们自己用的是HALO和StrataQuest两款软件，HALO病理图像分析平台，StrataQuest是我们TG的扫描仪平台自带的（基本所有的病理领域的分析需求都能满足，可以出组织流式散点图，直方图），从功能、分析的精准度和可操作性来说，肯定是大大优于开源软件的，且有软件专业的技术支持团队能够答疑解惑。您可以根据您的实际情况选择合适的分析软件~

那么接下来小爱给大家介绍的HALO，就是针对病理诊断的难点痛点而诞生的一个精准简便的病理图像分析平台。HALO可兼容市场上大多数扫描仪扫出的图像文件格式（LEICA, Hamamatsu, 3D Histech, Zeiss, Akoya, KFBIO, JPG, TIFF），这些图像可直接导入HALO软件，无需任何格式转换即可进行编辑和分析。 广泛的应用于神经科学、代谢组学、肿瘤学、毒理病理学等领域的病理图像定量研究中。

mIHC定量分析内容：

总分析区域的细胞数/细胞核数，各marker细胞数/细胞核数，各marker细胞数目/细胞核数占比，各marker阳性细胞平均荧光强度值，每平方微米的平均细胞数/细胞核数，面积计数及多染细胞的共定位信息等...

空间分析内容：

(a)最近邻分析；(b)邻近度分析；(c)浸润分析；(d)密度热图分析

1、最近邻分析（Nearest Neighbor）：确定任何两个单元格或对象群之间的平均距离和唯一邻居的数量。

1）类群A数量【Population A Cells】-检测到的类群A的总数；

2）到类群B的平均距离【Average Distance (µm) to Population B】(μm) - 类群A到类群B的平均距离(μm)；

3）唯一类群B的数量【Number of Unique Population B】- 检测到的唯一类群B的总数。

2、邻近度分析（Proximity Analysis）：计算与另一个对象或单元格一定距离内的单元格或对象的数量。

1）类群A数量【Population A Count】- 检测到的类群A的总数；

2）类群B数目【Population B Count】- 检测到的类群B的总数；

3）在类群A输入范围内的类群B的数量【Population A within input range µm of Population B】 - 在类群A的输入范围内检测到的类群B的总数；

4）在类群A输入范围内的类群B的百分比【% Population A within input range µm of Population B】 - 在类群A的输入范围内检测到的类群B的百分比；

5）到类群B的平均距离【Average Distance (µm) to Population B】(μm) - 类群A到类群B的平均距离(μm)；

6）唯一类群B的数量【Number of Unique Population B】- 检测到的唯一类群B的总数；

7）在类群A输入范围内的类群B的平均数量【Average number of Population A within input range µm of Population B】-在类群A的输入范围内检测到的类群B的平均数量。

如下所示可以得到指定范围内Immune Positive≤500µm和Immune Positive>500µm的原始数据和图片。

3、浸润分析（Infiltration Analysis）：确定感兴趣的注释区域的设置范围内的单元格或对象的数量。

1）类群A数量【Population A Count】- 检测到的类群A的总数；

2）交界区域内的类群A的数量 【Population A within interface area】- 在界面区域内检测到的类群A的总数；

3）类群A到交界线的平均距离【Population A average distance to interface】- 类群A到交界线的平均距离(µm)；

4）交界区域的面积【Total interface area】(mm2) - 总交界区域的总面积；

5）每平方毫米内类群A的平均密度【Population A average density per mm2】- 每平方毫米内类群A的平均密度。

如下所示可以分析交界面外的免疫阳性细胞、交界面中的免疫阳性（内部）细胞和交界面中的免疫阳性（外部）细胞，且可以提供浸润直方图（负值对应于交界面内部区域，正值对应于交界面外部区域）。

4、密度热图分析（Density Heatmap）：计算和可视化分析区域内的细胞或对象的密度。

1）分析区域面积【Area Analyzed】 (µm2) - 分析区域的总面积，单位为µm2；

2）细胞群数量【Cell Population Count】 - 检测到的细胞群的数量；

3）距离设定半径内的平均细胞数量【Average Cell Population within Distance µm Radius】- 在每个像素周围设置的半径内计数的细胞类群的平均数量。将值相加并除以ROI内的像素数。该输出值等于平均细胞类群密度输出乘以给定半径的圆的面积；

4）平均细胞类群密度（细胞种群/µm2）- 此输出将上述指标缩放为每个区域的平均对象数量单位。在用户定义的每个像素周围的区域内计数的对象的平均密度除以给定半径的圆的面积；

5）距离设定半径内的最小细胞类群数量 - 在每个像素周围用户定义的区域内计数的最小对象数；

6）最小细胞类群群密度（细胞群/µm2）- 在每个像素周围用户定义的区域内计数的对象的最小密度；

7）距离设定半径内的最大细胞类群数量 - 在每个像素周围的用户定义区域内计数的最大对象数；

8）最大细胞群密度（细胞群/µm2）- 在每个像素周围用户定义的区域内计数的对象的最大密度。