经受免疫测试的组织学组织的定量检查是识别肿瘤，选择最佳治疗和定义预后指标的基本方法。最重要的标志之一是增殖标志物。该标记的值反映了肿瘤细胞增殖的速率，并指示了肿瘤生长的速度以及恶性程度。在这项研究中研究机构专注于中枢神经系统肿瘤。脑膜瘤是最常见的原发性颅内肿瘤，可通过增殖指数分化为良性脑膜瘤，非典型和间变性。该索引还可以提供预后因素并与肿瘤复发相关。通过染色标记的肿瘤增殖的定量评估方法仍然存在争议，并且没有就任何单一策略达成完全一致。在讨论了这个问题，对结果指标产生了很多可能的影响。然而由于世界卫生组织分类中最常见的假设以及手动和自动检查的限制，研究机构应该选择一组高功率视野。这些字段称为热点它们是计算指数的基础。在常规诊断实践中代表性的热点区域由组织病理学家在低放大倍数下在显微镜或虚拟载玻片中使用免疫染色标本的目视检查来手动选择。这个过程可能缺乏再现性和影响的由于评价主观性。首先热点选择的组织学标准是灵活的。选择的字段应代表高指数的区域，但也代表不同的肿瘤定位。此外在中枢神经系统的脑膜瘤中建议接壤区域，其中世界卫生组织建议中指出的高功率场反映了高浓度的肿瘤细胞。因此这种模糊性使得建议程序的选择复杂化。最后许多因素的影响如专家的经验疲劳，以前看待的准备和外部因素也是重要的。
　　 微观玻璃扫描仪的最新发展，以及易于访问的计算机器已经导致数字病理学的潜力增加。目标已从单图像处理变为整个幻灯片图像分析。虽然很多算法用于小区分割和图像中的计数在文献中有描述中，方法在整个幻灯片图像热点发现仍在设计。大多数的这些地址与标准苏木精伊红染色治疗的组织的分析。最近已经描述了用于微血管分析的算法，作者提出了一种增加低分辨率图像上正核可见度的方法。但是仍然会手动选择热点字段。在最近的另一篇论文提出了自动选择热点算法。自适应步进寻找技术已被应用于提高热点检测的计算效率和性能。尽管取得了这一重大进展，但本文并未讨论所选热点区域的人工制品，样本质量和空间分布问题。实际上整个幻灯片检查中的一个重要问题是出血区域相对于血管内或外渗的红细胞，以及也染成棕色的血管壁。因此需要将它们与脑膜瘤增殖区域区分开来。接下来折叠存在于许多样本中，即使是最精心准备的样本。它们是样本切割的自然效果。它们的存在也会干扰幻灯片图像的自动检查。
　　 尽管存在上述质量问题，但所选择的热点区域的空间分布问题也非常复杂。对热点的选择的特定任务的一些解决方案，在研究机构以前的研究已提交。在本文中研究机构利用样本折叠检测，血管消除，小伪影引起的错误预防算法和幻灯片图像处理策略开发它们，为染色脑膜瘤标本中的自动热点选择提供了一个完整的系统。该解决方案基于数学形态学纹理分析不同的颜色表示和惩罚函数。还包括并讨论了自动结果与专家检查的比较。检测出血区域和褶皱是从样本定量检查中获得高水平准确性的最关键步骤。虽然研究机构在所有标本中都没有遇到这些问题，但如果它们发生，检测到的热点区域可以代表出血红细胞而不是增殖细胞。这是因为在某些情况下，血细胞与抗原反应并作为免疫阳性肿瘤细胞以棕色染色。因此，必须从感兴趣的区域中消除它们。而且组织折叠破坏了真实细胞分布，这可能导致局部高估免疫阳性细胞浓度。为了检测这种不需要的区域，创建了局部纹理描述。
　　 纹理是一种基于应用于图像像素强度的归一化概率的方法。特征的改性公式基于总和和图像差，它们中的每个像素计算局部在其附近区域检查。以这种方式计算以下特征：均值，方差，同质性，对比度，能量，相关性，聚类阴影和聚类突出。在该纹理描述中分辨率和半径的参数影响样本中局部结构的表征。在半径太小的情况下，周围环境的影响很小因此异质性很强。该问题的一个例子，用于最佳表示这些纹理的区域的最佳半径应在此范围内请注意，应该选择分辨率，因此对象至少由几个像素表示。有用的纹理描述的关键问题是颜色组件的选择。使用的颜色成分应允许区分肿瘤，出血红细胞和折叠区域，而不考虑免疫阳性细胞的百分比。在以前的研究研究机构观察到分量的所述变异纹理特征值显著影响。在论文研究机构提出了一种图像颜色表示的方法，与免疫阳性细胞的百分比无关。该为了描述分析的纹理为每个分析的颜色分量确定纹理特征。并非所有功能在分类过程中都有用。用于评估各个特征的适用性。对数据进行分类，支持向量机具有高斯核函数施加。应该注意一个向量机能够将数据分成仅两个标记的类。
　　 因此考虑了三个类别：首先应用一个向量机分类器来区分肿瘤和出血红细胞，然后消除不需要的结构，第二个向量机分类器应用于肿瘤区域中可能的折叠检测。重要的方面是组织纹理特征和类别之间的良好相关性。因此非常重要的是如何准备学习数据。位于边缘区域的数据可能对向量机超平面的类别分离产生不利影响。特别是在出血和肿瘤之间的区别中观察到该问题。实际上出血经常穿透肿瘤区域，并且这两者之间的边界是模糊的。为了显示特定类的数据，学习过程中使用的半径略大而不是测试模式。以这种方式向量机分类器获得了更大的适应区域之间的非线性边界的能力。在一些样本中还在血管壁中观察到免疫阳性反应。虽然这应该被认为是一件神器，但在大多数情况下重复获取这些样本并不能消除这个问题。因此必须在考虑该工件的情况下进行检查。问题的实质在于用棕色染色的血管壁可归类为免疫阳性细胞。因此它们应该在免疫阳性细胞分割步骤之前从图像中消除。为了检测和从图像消除它们，研究机构提出基于该纹理描述的溶液，并接受域的组合方法。模型的灵感来自简单细胞的生物学作用。此方法可用于轮廓检测基于因为它是对比度变化。这两种方法的组合允许检测不同形状和颜色强度的血管壁。
　　 针对来自颜色空间的分量执行所提出的处理。该颜色分量允许图像中血管壁的最佳区分。在第一步中研究机构基于纹理分析方法检测血管。为了获得连贯的墙壁图像，研究机构应用平均滤波阈值处理和数学形态学运算。在第二步中研究机构基于方法结合阈值和数学形态学操作检测血管。数学形态学运算允许从最终图像中消除小结构。将先前步骤中获得的图像组合在一个图中，该图包括检测到的血管。结果研究机构实现了船只的图像地图。基于此研究机构能够从已处理的幻灯片图像区域中消除该区域。分析局部细胞浓度到热点检测之前的最后一步是免疫阳性细胞分割。对于该步骤仅考虑先前被认为是没有出血和褶皱的肿瘤的那些区域。认识到免疫阳性细胞不同的方法已在文献已经提出。然而在研究机构的情况下图像的分辨率降低具有这样的效果特定细胞核仅由具有显着模糊的几个像素表示因此复杂的分析，例如面积纹理形状是不可能的。用于细胞分割的简单方法是对最有区别的颜色通道进行阈值处理。然而整个载玻片周围和不同幻灯片图像之间的免疫反应强度之间的差异使得难以选择合适的阈值。
　　 上述限制导致应用扩展的区域极端方法来识别免疫阳性细胞。该变换被定义为识别值较高或较低的极端区域，然后通过选定的识别周围区域。因此每个区域极值适用于周围区域，以这种方式利用了局部属性区域，但是没有对象区域的控制。通常选择扩展区域最大值的自然方法来识别物体，在研究机构的情况下是免疫阳性细胞。由一组合并的免疫阳性细胞组成的区域，或选择太低的可导致识别过高的物体区域。选择更高的价值效应省略低免疫反应细胞。因此研究机构应用了扩展区域最小变换的逆这导致了预期的结果。以这种方式脑膜瘤图像的非免疫反应区域可以被识别为具有免疫阳性细胞截止的延长的区域最小值。因此这种方法应用于研究机构的解决方案中。以这种方式在将每个识别的物体重新定位到其中心点之后，获得免疫阳性细胞浓度图。
　　 用于组织病理学评估样本的计算机方法和系统是快速发展的领域。数字成像工具可用作医学专家的支持。图像分析提高了病理学家解释的准确性和可重复性，因为消除了观察者间和观察者间的变异。因此这可以为临床医生提供更好的脑膜瘤患者治疗决策信息。自动图像分析工具的应用提供了标准的，可重复的灵敏的和特定的生物标记物定量方法，而标准的手动程序基于人工评分。后一种方法是主观的耗时的并且通过观察者内和观察者间的变异性来表征。数字病理学工具有可能支持诊断过程。不同类型的染色方法需要针对每个图像的专用算法。对于结构检测和标本评价的方法，用于评估和在标准的苏木精伊红染色处理的组织的分析的方法在呈现。这是与染色不同的染色方法并且最终图像是不同的。因此研究机构无法在分析的案例中应用此解决方案。需要一种独特的方法来评估用染色法染色的标本。用于细胞分割及数量的算法在论文提出。然而作者只关注细胞分割和计数问题。他们没有提出热点区域识别和选择的方法也没有解决工件问题。提出了自适应步进寻找技术在自动选择热点中的应用。
　　 据研究机构所知文献中尚未解决所选热点场的伪影和空间分布问题。在本文中研究机构提出了一个算法的命题以解决热点选择问题，热点分布问题单元的检测和计数以及伪像检测。对于热点的选择和工件检测连接的特定任务的解决方案，在研究机构以往的研究呈现。在研究机构的研究中研究机构检测到了伪影，例如组织褶皱，出血红细胞区域和血管壁。这些区域用与免疫阳性细胞相似的颜色标记，并且可以错误地分类。它们的存在可能会干扰幻灯片图像的自动检查。标本质量引入了所提出的算法的限制。这个问题在本研究中尚未解决。在幻灯片图像中难以检测到组织中结构的不同变化模糊和染色斑点。小血管壁的检测和消除是有限的因为在样本中具有高指数的情况下血管壁检测灵敏度的增加导致免疫阳性细胞的错误分类。该算法的优点是：解决了热点问题的空间分布问题，消除褶，出血红细胞和血管壁伪影，结果的可重复性计算时间短。最近面向幻灯片图像的内容图像分析已成为许多研究人员关注的焦点。基于不同图像分辨率和染色的纹理分析，组织病理学的鉴定已经取得了显着的成功。这种想法与研究机构的方法之间的联系将为数字诊断病理学提供新的潜力。在本文中作者提出了一个完整的自动热点选择系统和脑膜瘤标本检查。基于纹理描述符分类器和数学形态学的所提出的算法能够检测标本图并识别诸如出血，组织褶皱和染色的血管壁的伪像。所提出的热点场选择策略称为热点逐渐消光算法，为人体检测的仿真提供了有效的工具。所提出的结果证实在不久的将来可以在病理形态学实践中引入所提出的热点区域的自动选择和脑膜瘤中的检查。