Search

Resumen Introduccion El diagnostico intraoperatorio remoto aporta gran valor a hospitales que no disponen de patologos a tiempo completo. Su desarrollo ha ido incorporando los continuos avances en tecnologias de la informacion. Hemos adaptado nuestros procedimientos con el uso de video de alta definicion transmitido en tiempo real. Material y metodos Conectamos a nuestro microscopio una camara de video con capacidad de emision a 1.080 pixeles de resolucion y con una capturadora de video enviamos la senal a un ordenador. El software OBS codifica y transmite las secuencias de video a las plataformas de distribucion YouTube y Twitch. Resultados La calidad de imagen permite la valoracion de cortes por congelacion con garantias para la emision del diagnostico. El acceso a traves de paginas web hace posible su visualizacion desde cualquier lugar y desde cualquier dispositivo con acceso a Internet. Discusion El diagnostico intraoperatorio remoto es un desafio para patologos. La calidad de imagen es un requisito indispensable para su implantacion, que la tecnologia de streaming de video resuelve. Como requisito adicional, es imprescindible la adecuada formacion de los tecnicos. Las aplicaciones del sistema pueden extenderse a otros muchos ambitos de la Patologia, especialmente en docencia y consultas.

La patología digital (DIPA) se ha convertido en una disciplina efectiva que genera un entorno gráfico para diagnosticar e interpretar la información patológica de las personas. Al analizar la literatura existente sobre DIPA, se produjo una brecha de conocimiento al no informar un estudio que ha analizado bibliométricamente las publicaciones sobre el tema. El objetivo de este estudio es analizar la producción científica y el rendimiento alcanzado por el término patología digital en la base de datos de Web of Science (WoS). Para ello, se ha llevado a cabo una metodología basada en la bibliometría, complementada con la técnica de mapeo científico para buscar, registrar, analizar y predecir la literatura científica sobre el estado de la cuestión. Hemos trabajado con una unidad de análisis de 1222 documentos reportados desde la base de datos de WoS. Los resultados muestran que no hay un tema de investigación en el campo de estudio de DIPA que se destaque del resto. Se puede observar una brecha conceptual en el desarrollo temático, dado que no hay un tema que se repita en todos los periodos, donde las conexiones son más temáticas que conceptuales. Hay documentos clave para diferentes temas. Los temas principales han sido muy diferentes a lo largo de los años como la telepatología y la inteligencia artificial. Digital pathology (DIPA) has become an effective discipline that generates a graphic environment to diagnose and interpret the pathological information of people. When analyzing the existing literature on DIPA, a knowledge gap was produced by not reporting a study that has bibliometrically analyzed the publications on the subject. The objective of this study is to analyze the scientific production and performance achieved by the term digital pathology in the Web of Science (WoS) database. For this, a methodology based on bibliometrics has been carried out, complemented by the scientific mapping technique to search, recorder, analyze and predict the scientific literature on the state of question. We have worked with an analysis unit of 1222 documents reported from WoS database. The results show that there is no research topic in the field of study of DIPA that stands out from the rest. A conceptual gap can be observed in the thematic development, given that there is no theme that is repeated in all periods, where the connections are more thematic than conceptual. There are key documents for different topics. The main themes have been very different over the years like telepathology and artificial intelligence.

ilustraciones, gráficas, tablas Con el advenimiento de las técnicas de digitalización de láminas de patología, se han abierto nuevos caminos en el flujo de trabajo del patólogo: Variables que actualmente son valoradas de forma cualitativa, ahora tienen la posibilidad de ser cuantificadas, ha permitido con mucha facilidad la interconsulta de casos con la posibilidad de realizar anotaciones sobre la lámina para facilitar la comunicación en el momento en el que otra persona visualice la lámina, así como la posibilidad de trabajo remoto mediante microscopios virtuales con acceso desde cualquier lugar con acceso a internet. Estas nuevas herramientas hacen ya parte de la realidad de muchos de los laboratorios de patología del mundo, e incluso de algunos laboratorios en Colombia. Todas estas ventajas hacen de los microscopios virtuales y las láminas histológicas digitalizadas una gran herramienta para la enseñanza y el aprendizaje de la patología, ofreciéndole al estudiante no solo la foto estática de una región de interés como ocurre en un atlas, sino la posibilidad de explorar y abordar la lámina como si se encontrara en un microscopio real en cualquier momento y desde cualquier sitio con acceso a internet, así como la posibilidad de dejar anotaciones para revisar posteriormente con el docente. El carcinoma basocelular es el tumor más frecuente en seres humanos, y a pesar de no tener una mortalidad importante, su incidencia lo es, así como la morbilidad por dejar secuelas estéticas importantes, principalmente en la cara. Histológicamente existen 10 variantes según la OMS, algunas de ellas tienen más riesgo de recurrencia posterior al manejo quirúrgico y son de difícil reconocimiento en algunas ocasiones, en las que constituyen un reto diagnóstico. En el presente estudio se utilizó el digitalizador de láminas de patología del grupo CIMALAB de la facultad de medicina de la Universidad Nacional de Colombia, para digitalizar una serie de láminas de pacientes del Hospital Universitario Nacional con diferentes variantes del carcinoma basocelular, se realizaron anotaciones clave dirigidas por un dermatopatólogo con experiencia y fueron usadas posteriormente como herramienta pedagógica con el objetivo de que estudiantes de patología de la Universidad Nacional de Colombia aprendieran a reconocer con más facilidad las variantes de alto riesgo del carcinoma basocelular y realizar una comparación subjetiva con los métodos tradicionales de aprendizaje utilizados en la patología. (Texto tomado de la fuente). With the advent of digital pathology and whole slide image digitization techniques, new paths have been opened in the pathologist's workflow: Variables that are currently assessed qualitatively now have the possibility of being quantified, it has made interconsultation easier, and raised the possibility of making labels on the slide to facilitate communication when another pathologist views the slide, as well as the possibility of remote work through virtual microscopes with access from anywhere with an Internet connection. These new tools are already part of the reality of many pathology laboratories in the world, and even some laboratories in Colombia. All these advantages make virtual microscopes and whole slide images a great tool for teaching and learning pathology, offering the student not only a static photo of a region of interest as in an atlas, but also the possibility of exploring and approach the slide as if it were in a real microscope at any time and from any place with Internet access, as well as the possibility of leaving notes to review later with the senior pathologist. Basal cell carcinoma is the most common tumor in humans, and despite not having significant mortality, its incidence is significant, as it’s morbidity is due to leaving significant aesthetic sequelae, mainly on the face. Histologically, there are 10 variants according to the WHO, some of them have a higher risk of recurrence after surgical management and are difficult to recognize on some occasions, in which they constitute a diagnostic challenge. In the present study, the pathology slide digitizer of the CIMALAB group of the Faculty of Medicine of the Universidad Nacional de Colombia was used to digitize a series of slides of Hospital Universitario Nacional patients with different variants of basal cell carcinoma, key labels directed by a dermatopathologist were made and were later used as a pedagogical tool with the objective that pathology residents from the Universidad Nacional de Colombia learned to more easily recognize high-risk variants of basal cell carcinoma and make a subjective comparison with the traditional learning methods used in pathology. Incluye anexos Especialidades Médicas Especialista en Patología Anatómica y Clínica Investigación cualitativa, estudio interpretativo de inducción analítica: Estudio de casos de forma secuencial poniendo énfasis en los casos negativos: Cada individuo sirve de caso negativo debido a que todos conocen la experiencia de haber estudiado de forma tradicional y ninguno ha estudiado previamente utilizando telepatología y sus herramientas.

Resumen (Objetivo): El objetivo era desarrollar un algoritmo automatizado para la estimación de un índice de proteína (Ki67), basado en la razón del área del núcleo celular de las células del tejido epitelial gástrico, utilizando imágenes digitales de histopatología. (Metodología): Cada región de interés de las imágenes fue anotada manualmente por un experto. Se utilizó una proporción de células Ki-67 positivas y negativas dentro de esa región para obtener la distribución de color de los píxeles correspondientes. El histograma de cada distribución de color se modeló como una Gaussiana y luego se estableció un umbral para la segmentación y clasificación. Finalmente, el índice Ki-67 se estimó como la relación entre el área positiva segmentada de los núcleos dividida por el área total de los núcleos positivos y negativos. (Resultados): El método automatizado tiene una fuerte correlación de 0,725 y un error cuadrático medio de 0,293, en comparación con el método manual, lo que da certeza de que el método automatizado se puede utilizar para analizar la tasa de proliferación. Además, en comparación con la clasificación manual, el método presentado clasifica automáticamente cada imagen en la misma categoría Ki-67: baja, intermedia y alta. (Conclusión): A pesar del pequeño tamaño de la muestra, se demostró la utilidad del método presentado. Sin embargo, el bajo número de imágenes puntuadas no permitió muestrear completamente los rangos de valores de píxeles y las intensidades observadas por los patólogos, lo cual será abordado en un trabajo futuro. Abstract (Objective): The objective was to develop an automated algorithm for the estimation of a protein (Ki-67) index based on cell nuclei area ratio of gastric epithelial tissue cells; for this purpose, digital histopathology images were used. (Methodology): An expert manually annotated each region of interest of the images. A proportion of Ki-67 positive and negative cells within that region was used to obtain the color distribution of the corresponding pixels. The histogram of each color distribution was modeled as a Gaussian and, later, thresholded for segmentation and classification. Finally, the Ki-67 index was estimated as the ratio between the segmented positive area of the nuclei divided by the total area of the positive and negative nuclei. (Results): The automated method has a strong correlation of 0.725 and a root mean square error of 0.293 when compared to the manual method, which gives certainty that the automated method can be used to analyze the proliferation rate. Furthermore, compared to manual classification, the presented method automatically classifies every image in the same Ki-67 category: low, intermediate, and high. (Conclusion): Despite the small sample size, the utility of the presented method was demonstrated. However, the low number of scored images did not allow for thoroughly sampling the ranges of pixel values and intensities observed by pathologists, which will be addressed in future work. Resumo (Objetivo): O objetivo foi desenvolver um algoritmo automatizado para a estimativa de um índice de proteína (Ki-67) baseado na razão da área do núcleo celular das células do tecido epitelial gástrico, utilizando imagens digitais de histopatologia. (Metodologia): Cada região de interesse nas imagens foi anotada manualmente por um especialista. Foi usada uma proporção de células Ki-67 positivas e negativas dentro dessa região para obter a distribuição de cores dos pixels correspondentes. O histograma de cada distribuição de cores foi modelado como uma Gaussiana e, em seguida, foi definido um limite para a segmentação e a classificação. Por fim, o índice Ki-67 foi estimado como a relação entre a área positiva segmentada dos núcleos dividida pela área total dos núcleos positivos e negativos. (Resultados): O método automatizado apresenta forte correlação de 0,725 e erro quadrático médio de 0,293, em relação ao método manual, o que dá certeza de que o método automatizado pode ser utilizado para analisar a taxa de proliferação. Além disso, em comparação com a classificação manual, o método apresentado classifica automaticamente cada imagem na mesma categoria Ki-67: baixa, média e alta. (Conclusões): Apesar do pequeno tamanho da amostra, foi demonstrada a utilidade do método apresentado. No entanto, o baixo número de imagens pontuadas não permitiu a amostragem completa das faixas de valores de pixels e intensidades observadas pelos patologistas, o que será abordado em trabalhos futuros.

[CA] La societat actual està molt digitalitzada, gràcies a això s’aconsegueix generar immenses quantitats de dades que si són analitzats aporten molta informació que pot ser usada per a realitzar importants avanços en múltiples camps, un d’aquestos camps es el de la salut, prova d’això és la revolució digital en mètodes clínics com l’estudi histològic d’imatges tumors, el paradigma en el Workflow de la patologia tradicional ha fet que s’estandarditze l’ús d’imatges digitals Whole Slide Images en detriment de les mostres microscòpiques, això es deu en gran part a la quantitat de beneficis que aquest metode presenta, una d’ells e l’ús de programes que permeten la visualització de imatges a nivell de píxel amb un nivell de qualitat òptim. El grup CVBlab ofereix una eina per a la visualització de les imatges WSI que a més té funcionalitats per a anotar imatges, aquesta aplicació té l’objectiu de facilitar l’anotació als patòlegs pera generen bases de dades robustes amb les quals entrenar models de Deep Learning, el problema és que aquest sistema té dificultats per a donar un servei òptim al volum de casos que es volen avaluar i a més no estan implementades noves funcionalitats que són necessàries per ajustar-se a l’exigència de determinats projectes, una d’elles és la implementació de models de Deep Learning en la pròpia aplicació per a avaluar-los amb metodologies Crowdsourcing,en aquest context es realitzat una anàlisi minuciosa de la infraestructura i el codi per a buscar millores i sintetitzar una estratègia de banyara d’aquesta, a més s’han dissenyat i implementat noves extensions que permeten integrar models de DeepLearning i fer tasques de Crowdsourcing, [ES] La sociedad actual está muy digitalizada, gracias a esto se consigue generar inmensas cantidades de datos que si son analizados aportan mucha información que puede ser usada para realizar importantes avances en múltiples campos, uno de estos campos es él de la salud, prueba de ello es la revolución digital en métodos clínicos como el estudio histológico de imágenes tumores, el paradigma en el Workflow de la patología tradicional hahechoqueseestandariceelusodeimágenesdigitalesWholeSlide Images en detrimento de las muestras microscópicas, esto se debe en gran parte a la cantidad de beneficios que plantes, una de ellas es el uso de software que permiten la visualización de las imágenes a nivel de píxel con un nivel de calidad óptimo. El grupo CVBlab ofrece una herramientas para la visualización de las imágenes WSI que además tiene funcionalidades para anotar imágenes, esta aplicación tiene el objetivo de facilitar la anotación a los patólogos para generar bases de datos robustas con las que entrenar modelos de Deep Learning, el problema es que este sistema tiene dificultades para dar un servicio óptimo al volumen de casos que se quieren evaluar y además no están implementadas nuevas funcionalidades que son necesarias para que ajustarse a la exigencia de determinados proyectos, una de ellas es la implementación de modelos de Deep Learning en la propia aplicación para evaluarlos con metodologías Crowdsourcing, en este contexto se ha realizado un análisis minuciosodelainfraestructura yelcódigoparabuscarmejorasysintetizarunaestrategia de mojara de la misma, además se han diseñado e implementado novedosas extensiones que permiten integrar modelos de Deep Larning y realizar tareas de Crowdsourcing., [EN] Today’s society is highly digitalized, thanks to this, it is possible to generate immense amounts of data which, if analyzed, provide a great deal of information that can be used to make significant advances in many fields, one of these fields is health, proof of which is the digital revolution in clinical methods such as the histological study tumor images, the paradigm in the workflow of traditional pathology has led to the standardization of the use of digital images to the detriment of microscopic samples, this is mainly due to the number of benefits that they offer, one of which is the use of software that allows the visualization of images at pixel level with an optimum level of quality. The CVBlab group provides tools for the visualization of WSI images that also has functionalities for anotatinging images. This application aims to facilitate annotation for pathologists in order to generate robust databases with which to train Deep Learning models, The problem is that this system has difficulties to provide an optimal service to the volume of cases to be evaluated and also new functionalities that are necessary to meet the requirements of certain projects are not implemented, one of them is the implementation of Deep Learningmodelss in the application itself to evaluate them with Crowdsourcing methodologies. In this context, a thorough analysis of the infrastructure and code has been carried out in order to search for improvements and synthesize a strategy for its wetting, in addition, novel extensions have been designed and implemented to integrate models of crowdsourcing and crowdsourcing tasks.

[ES] La segmentación de la epidermis en imágenes histopatológicas con tinción hematoxilina eosina es una tarea esencial en el análisis que realizan los patólogos para el diagnóstico de tumores melanocíticos de Spitz. Sin embargo, analizar a mano cada muestra puede resultar una tarea tediosa para el especialista a la par que subjetiva. Por ello, la introducción de la patología digital puede suponer un ahorro de tiempo así como una mayor robustez y precisión en la segmentación de grandes estructuras de biopsias como, por ejemplo, la epidermis. Esto permite que el patólogo pueda centrarse en el análisis en profundidad del tejido y de sus células. Además, la segmentación automática de la epidermis provee datos numéricos (cuantitativos) que no es posible obtener en la patología clásica. En este trabajo el alumno trabajará un enfoque basado en métodos de Deep Learning para detectar la capa de epidermis en biopsias de piel. Se diseñará una arquitectura de red neuronal convolucional encoder-decoder para resolver el problema de segmentación. Se explorará la creación de un modelo predictivo a dos niveles de resolución y la adición de capas residuales para lograr una segmentación automática precisa. La exitosa consecución del presente TFM brindará la posibilidad de poder desarrollar sistemas de detección de tumores melanocíticos de Spitz mediante, entre otros, la cuantificación automática de la epidermis., [EN] Epidermis segmentation in histopathological images with haematoxylin eosin staining is an essential task in the pathologist's analysis for the diagnosis of Spitz melanocytic tumours. However, analysing each sample by hand can be a tedious and subjective task for the specialist. Therefore, the introduction of digital pathology can lead to time savings as well as increased robustness and accuracy in the segmentation of large biopsy structures such as the epidermis. This allows the pathologist to focus on the in-depth analysis of the tissue and its cells. Moreover, the automatic segmentation of the epidermis provides numerical (quantitative) data that is not possible to obtain in classical pathology. In this work the student will work on an approach based on Deep Learning methods to detect the epidermis layer in skin biopsies. An encoder-decoder convolutional neural network architecture will be designed to solve the segmentation problem. The creation of a predictive model at two levels of resolution and the addition of residual layers will be explored to achieve accurate automatic segmentation. The successful completion of this TFM will provide the possibility to develop Spitz melanocytic tumour detection systems using, among others, automatic quantification of the epidermis.

Resumen Objetivos Este artículo aborda los aspectos clave e impacto de aplicar el big data y la inteligencia artificial para optimizar los modelos de detección temprana, el diagnóstico preciso y rápido, el manejo de pacientes, los tratamientos, la medicina de precisión, y la distribución de recursos. Contenido Los procesos de big data e inteligencia artificial incluyen el aprendizaje automático, el razonamiento basado en unas reglas para obtener conclusiones aproximadas o definitivas, y la autocorrección. Estos procesos mejorarían la detección de enfermedades, enfermedades raras, toxicidades, e identificarían las causas del infradiagnóstico. El big data combinado con la inteligencia artificial (IA), el aprendizaje automático (AA), la computación, la construcción de modelos predictivos y la combinatoria, se emplean para interrogar computacionalmente datos estructurados y no estructurados para detectar patrones, tendencias, y posibles correlaciones y relaciones entre diversas fuentes de datos. Resumen Los sistemas de diagnóstico asistido y los dispositivos de salud portátiles no solo se emplearán para el manejo de pacientes, sino también para la prevención y detección temprana de enfermedades. El big data también tendrá un impacto para las aseguradoras, fabricantes de dispositivos y compañías farmacéuticas. El big data y la Inteligencia Artificial se han diversificado, tienen multitud de aplicaciones y su uso para el seguimiento y diagnóstico se extenderá. Perspectivas El big data, la conectividad, y la IA de los sistemas de diagnóstico asistido, así como los dispositivos de salud portátiles y los smartphones transformarán los métodos tradicionales de manejo de pacientes en la era de la explosión de la información médica.

The objective was to develop an automated algorithm for the estimation of a protein (Ki-67) index based on cell nuclei area ratio of gastric epithelial tissue cells; for this purpose, digital histopathology images were used. An expert manually annotated each region of interest of the images. A proportion of Ki-67 positive and negative cells within that region was used to obtain the color distribution of the corresponding pixels. The histogram of each color distribution was modeled as a Gaussian and, later, thresholded for segmentation and classification. Finally, the Ki-67 index was estimated as the ratio between the segmented positive area of the nuclei divided by the total area of the positive and negative nuclei. The automated method has a strong correlation of 0.725 and a root mean square error of 0.293 when compared to the manual method, which gives certainty that the automated method can be used to analyze the proliferation rate. Furthermore, compared to manual classification, the presented method automatically classifies every image in the same Ki-67 category: low, intermediate, and high. Despite the small sample size, the utility of the presented method was demonstrated. However, the low number of scored images did not allow for thoroughly sampling the ranges of pixel values and intensities observed by pathologists, which will be addressed in future work. El objetivo era desarrollar un algoritmo automatizado para la estimación de un índice de proteína (Ki-67), basado en la razón del área del núcleo celular de las células del tejido epitelial gástrico, utilizando imágenes digitales de histopatología. Cada región de interés de las imágenes fue anotada manualmente por un experto. Se utilizó una proporción de células Ki-67 positivas y negativas dentro de esa región para obtener la distribución de color de los píxeles correspondientes. El histograma de cada distribución de color se modeló como una Gaussiana y luego se estableció un umbral para la segmentación y clasificación. Finalmente, el índice Ki-67 se estimó como la relación entre el área positiva segmentada de los núcleos dividida por el área total de los núcleos positivos y negativos. El método automatizado tiene una fuerte correlación de 0,725 y un error cuadrático medio de 0,293, en comparación con el método manual, lo que da certeza de que el método automatizado se puede utilizar para analizar la tasa de proliferación. Además, en comparación con la clasificación manual, el método presentado clasifica automáticamente cada imagen en la misma categoría Ki-67: baja, intermedia y alta. A pesar del pequeño tamaño de la muestra, se demostró la utilidad del método presentado. Sin embargo, el bajo número de imágenes puntuadas no permitió muestrear completamente los rangos de valores de píxeles y las intensidades observadas por los patólogos, lo cual será abordado en un trabajo futuro. [Objetivo] O objetivo foi desenvolver um algoritmo automatizado para a estimativa de um índice de proteína (Ki-67) baseado na razão da área do núcleo celular das células do tecido epitelial gástrico, utilizando imagens digitais de histopatologia. [Metodologia] Cada região de interesse nas imagens foi anotada manualmente por um especialista. Foi usada uma proporção de células Ki-67 positivas e negativas dentro dessa região para obter a distribuição de cores dos pixels correspondentes. O histograma de cada distribuição de cores foi modelado como uma Gaussiana e, em seguida, foi definido um limite para a segmentação e a classificação. Por fim, o índice Ki-67 foi estimado como a relação entre a área positiva segmentada dos núcleos dividida pela área total dos núcleos positivos e negativos. [Resultados] O método automatizado apresenta forte correlação de 0,725 e erro quadrático médio de 0,293, em relação ao método manual, o que dá certeza de que o método automatizado pode ser utilizado para analisar a taxa de proliferação. Além disso, em comparação com a classificação manual, o método apresentado classifica automaticamente cada imagem na mesma categoria Ki-67: baixa, média e alta. [Conclusões] Apesar do pequeno tamanho da amostra, foi demonstrada a utilidade do método apresentado. No entanto, o baixo número de imagens pontuadas não permitiu a amostragem completa das faixas de valores de pixels e intensidades observadas pelos patologistas, o que será abordado em trabalhos futuros.

INTRODUCTION: The high prevalence of musculoskeletal disorders in pathologists, together with the current trend towards the digitization of pathology, prompted us to study the different types of input devices employed during the revision of whole slide images, in order to investigate the pattern and extent of muscle activity involved in their use. MATERIAL AND METHODS: A comparative study was made of 10 input devices (conventional and vertical mouse, three trackballs, the Ergopointer™, the Rollermouse™, an optical pen mouse, a touchpad, and the Leap Motion™). Six medical students performed a standardized circuit using a Fitts' Law based tissue array, digitized. The electrical activity of seven upper limb muscles (adductor pollicis, extensor pollicis longus, extensor digitorum, flexor digitorum, middle deltoid, upper trapezius, and middle trapezius) was measured using surface electromyography. RESULTS: Statistically significant differences in the overall electrical activity among the different input devices, both absolute values in mV as well as normalized values to the upper limb at rest, were observed (p

Submitted by Biblioteca Escola Superior de Saúde (biblioteca@ess.ipp.pt) on 2022-01-31T16:17:11Z No. of bitstreams: 1 Dissertação Liliana RibeiroVFinal.pdf: 1771768 bytes, checksum: 0f4013e636a6200c41ffa424b11629f1 (MD5) Made available in DSpace on 2022-01-31T16:17:11Z (GMT). No. of bitstreams: 1 Dissertação Liliana RibeiroVFinal.pdf: 1771768 bytes, checksum: 0f4013e636a6200c41ffa424b11629f1 (MD5) Previous issue date: 2021-12-02

La patología digital (DIPA) se ha convertido en una disciplina efectiva que genera un entorno gráfico para diagnosticar e interpretar la información patológica de las personas. Al analizar la literatura existente sobre DIPA, se produjo una brecha de conocimiento al no informar un estudio que ha analizado bibliométricamente las publicaciones sobre el tema. El objetivo de este estudio es analizar la producción científica y el rendimiento alcanzado por el término patología digital en la base de datos de Web of Science (WoS). Para ello, se ha llevado a cabo una metodología basada en la bibliometría, complementada con la técnica de mapeo científico para buscar, registrar, analizar y predecir la literatura científica sobre el estado de la cuestión. Hemos trabajado con una unidad de análisis de 1222 documentos reportados desde la base de datos de WoS. Los resultados muestran que no hay un tema de investigación en el campo de estudio de DIPA que se destaque del resto. Se puede observar una brecha conceptual en el desarrollo temático, dado que no hay un tema que se repita en todos los periodos, donde las conexiones son más temáticas que conceptuales. Hay documentos clave para diferentes temas. Los temas principales han sido muy diferentes a lo largo de los años como la telepatología y la inteligencia artificial., Digital pathology (DIPA) has become an effective discipline that generates a graphic environment to diagnose and interpret the pathological information of people. When analyzing the existing literature on DIPA, a knowledge gap was produced by not reporting a study that has bibliometrically analyzed the publications on the subject. The objective of this study is to analyze the scientific production and performance achieved by the term digital pathology in the Web of Science (WoS) database. For this, a methodology based on bibliometrics has been carried out, complemented by the scientific mapping technique to search, recorder, analyze and predict the scientific literature on the state of question. We have worked with an analysis unit of 1222 documents reported from WoS database. The results show that there is no research topic in the field of study of DIPA that stands out from the rest. A conceptual gap can be observed in the thematic development, given that there is no theme that is repeated in all periods, where the connections are more thematic than conceptual. There are key documents for different topics. The main themes have been very different over the years like telepathology and artificial intelligence.

[ES] Introducción: La Anatomía Patológica (AP) se encarga del diagnóstico de las enfermedades, en base a la integración de las características morfológicas y moleculares en muestras tisulares (biopsias) y citológicas, ayuda a dilucidar la patogenia de las enfermedades y a determinar su clasificación. Este informe se centra en la patología digital (PD) como el establecimiento de un diagnóstico anatomopatológico a través de imágenes digitales de preparaciones histológicas y citológicas. Los preparaciones histológicas y citológicas (“preparaciones” o “laminillas”) son muestras de tejido o de citologías fijadas y teñidas en un portaobjetos de vidrio, con un sistema de cubreobjetos (vidrio, película o gel) que permite su examen microscópico y su conservación a largo plazo. Los sistemas de imagen de PD se basan en preparaciones digitales (PrD), que son imágenes microscópicas digitalizadas del total de la muestra (en inglés, “Whole Slide Images”, WSI) disponible en las preparaciones. Estos sistemas constan de escáneres de alta resolución, servidores de almacenamiento y estaciones de trabajo para visualizar las PrD y emitir el diagnóstico. Actualmente, no hay muchos departamentos o servicios de anatomía patológica en los hospitales de España que hayan implementado la PD íntegramente. Hay algunas experiencias destacables en patología quirúrgica y proyectos piloto en algunas Comunidades Autónomas. El objetivo de presente informe es conocer la efectividad de las herramientas diagnósticas basadas en sistemas digitales de imagen microscópica, como práctica clínica en los servicios de anatomía patológica. Como objetivos secundarios se plantean: • Analizar los grados de concordancia y discordancia de los diagnósticos realizados a través de PD en comparación con los realizados con microscopio convencional. • Conocer las características principales de los casos de discordancias mayores en diagnóstico anatomopatológico digital. • Analizar la carga de trabajo en un servicio con patología digital respecto a un servicio sin ella. Se plantea como pregunta de investigación si el diagnóstico en anatomía patológica (incluyendo patología quirúrgica y citología) a través de sistemas de PD no es inferior en concordancia al diagnóstico con microscopio convencional. Metodología: Se ha realizado una revisión sistemática (RS) de la literatura científica disponible sobre eficacia y seguridad de la PD mediante digitalización completa de preparaciones histológicas y citológicas. Se realizó la búsqueda de la literatura científica sobre eficacia, seguridad, y eficiencia en las siguientes bases de datos electrónicas: Medline, Embase, PROSPERO, DARE (Database of Abstracts of Reviews of Effects), Health Technology Assessment (HTA) Database y NHS-EED (National Health System Economic Evaluation Database) Centre for Reviews and Dissemination (CRD), INAHTA (The International Network of Agencies of Health Technology Assessment), CADTH (Canadian Agency for Drugs and Technologies in Health), AHRQ (Agency for Healthcare research and Quality), NICE (The National Institute for Health and Care excellence) y FDA (US Food and Drug Administration). Se seleccionaron aquellos estudios con metodología de ensayo clínico aleatorizado (ECA) o RS que tuvieran resultados sobre eficacia y seguridad de la PD en el diagnóstico anatomopatológico en la práctica clínica. Se realizaron tablas de resumen de los resultados de todos los estudios incluidos, recogiendo los valores de concordancia, discordancias menores y discordancias mayores. Se añadieron los datos relativos a la eficiencia de la herramienta diagnóstica de aquellos estudios que los incorporaban. Cuan do fue posible, se realizó una estimación de la media ponderada con sus IC95% para las concordancias en el diagnóstico con ambas intervenciones (diagnóstico con microscopio convencional y diagnóstico digital). Resultados: La RS llevada a cabo arrojó un resultado de 1.544 referencias a estudios, sin contar duplicados. De entre ellas, se seleccionó como fuente de partida una RS de 2020 que permitió restringir la búsqueda a aquellos estudios posteriores a la misma (Azam 2020). Cuando se aplicaron todos los criterios de cribado, se seleccionaron, 3 RS más y 5 estudios individuales. Las características heterogéneas de los estudios incluidos y el tipo de variable de resultado encontrada en la mayoría de ellos, la concordancia del diagnóstico, no han permitido poder realizar un meta-análisis. No obstante, tal como realizan Azam y cols. en su RS, se ha llevado a cabo un cálculo de la media ponderada, teniendo en cuenta la cifra de concordancia diagnóstica y el tamaño de la muestra de la que se ha obtenido. Este cálculo resulta en una media de concordancia entre PD y microscopio de 96,17% en un total de 53.535 muestras (preparaciones histológicas y citológicas). La seguridad de estos diagnósticos por PD es adecuada, al no encontrar discordancias diagnósticas mayores (implican diferencias en el tratamiento) de relevancia clínica en el total de estudios incluidos. Conclusiones: • La patología digital es una técnica diagnóstica efectiva y segura en la práctica clínica. • La concordancia con el diagnóstico con microscopio convencional supera el 95% • Las discordancias mayores observadas son mínimas. • La implantación de un sistema de PD en un servicio de anatomía patológica requiere de un entrenamiento y formación de los profesionales, patólogos y citotécnicos. • Su implementación requiere de la adquisición de equipos y software de calidad que cumplan con las normativas vigentes en la Unión Europea. • Cualquier sistema de PD debe integrarse con los sistemas de información de los servicios de salud, incluida la historia clínica electrónica. • Se necesita un sistema de almacenamiento de imágenes integrado con los sistemas de información y que cumpla con la normativa vigente de protección de datos. [EN] Introduction: Anatomic pathology (AP) is the diagnosis of diseases, based on the integration of morphological and molecular features in tissue (biopsies) and cytological samples, helping to elucidate the pathogenesis of diseases and to determine their classification. In this report, digital pathology (DP) concept is focused on the establishment of a pathological diagnosis through digital imaging of histological and cytological slides. These slides are histological or cytological samples that are fixed and stained on a glass slide, using overslipping methods (glass, film or gels) that allow their microscopic examination and long-term storage. DP imaging systems are based on digital slides that are microscopic digitised images of the whole specimen on a slide (Whole Slide Images: WSI). Digital Pathology systems include high-resolution scanners, storage servers and workstations to visualise the WSI and diagnosis elaboration. Currently, there are not many pathology departments with a full implementation of DP services in Spanish hospitals, at least in surgical pathology. However, there are some outstanding experiences and pilot projects in some Autonomous Communities. The aim of this report is to know the effectiveness of diagnostic tools based on digital systems of microscopic images as a routine practice in anatomic pathology departments. Secondary objectives are as follows: • To analyse the degrees of concordance and discordance of diagnoses made using DP compared to those made using conventional microscopy. • To find out the main characteristics of cases of major discordance in digital pathology diagnosis. • To analyse the workload in a department with digital pathology compared to a department without it. The research question is whether diagnosis in histopathology and cytopathology using DP systems is not inferior to diagnosis using conventional microscopy. Methodology: A systematic review of the available scientific literature on the efficacy and safety of DP by complete digitisation of histological and cytological slides was carried out. The scientific literature on efficacy, safety and efficiency was searched in the following electronic databases: Medline, Embase, PROSPERO, DARE (Database of Abstracts of Reviews of Effects), Health Technology Assessment (HTA) Database and NHS-EED (National Health System Economic Evaluation Database) Centre for Reviews and Dissemination (CRD), INAHTA (The International Network of Agencies of Health Technology Assessment), CADTH (Canadian Agency for Drugs and Technologies in Health), AHRQ (Agency for Healthcare research and Quality), NICE (The National Institute for Health and Care excellence) and FDA (US Food and Drug Administration). We selected those studies with randomised clinical trial (RCT) or systematic reviews (SR) methodology that had results on the efficacy and safety of DP in pathology diagnosis in clinical practice. Summary tables were made of the results of all the included stu dies, containing concordance values, minor discordances and major discordances. Data on the efficiency of the diagnostic tool were added for those studies that included them. Where possible, an estimate of the weighted mean with its 95%CI was made for the diagnostic concordances with both interventions (conventional microscopic diagnosis and digital diagnosis). Results: The SR carried out produced a result of 1,544 references to studies, not counting duplicates. From these, a SR from 2020 was selected as the starting source, which allowed us to restrict the search to those studies sub-sequent to it (Azam 2020). When all screening criteria were applied, three more SRs and five individual studies were selected. The heterogeneous characteristics of the included studies and the type of outcome variable found in most of them, diagnostic concordance, did not allow us to perform a meta-analysis. However, as performed by Azam et al. in their SR, a weighted mean calculation has been carried out, taking into account the diagnostic concordance data and the size of the sample from which it was obtained. This calculation results in a mean concordance between DP and microscopy of 96.17% in a total of 53,535 samples (histology and cytology slides). The safety of these DP diagnoses is adequate as no major diagnostic discordances (implying differences in treatment) of clinical relevance were found in the total number of studies included. Conclusions: • Digital pathology is an effective and safe diagnostic technique in clinical practice. • Concordance with conventional microscopic diagnosis exceeds 95%. • Major discordances observed are minimal. • The implementation of a DP system in an anatomical pathology department requires training and education of professionals, pathologists and cytotechnicians. • Its implementation requires the acquisition of quality equipment and software that complies with current EU regulations. • Any DP system must be integrated with health service information systems, including the electronic medical record. • An image storage system that is integrated with information systems and complies with data protection regulations is needed. Este documento ha sido realizado por la Agencia de Evaluación de Tecnologías Sanitarias. Instituto de Salud Carlos III en el marco de la financiación del Ministerio de Sanidad para el desarrollo de las activi dades del Plan anual de trabajo de 2021 de la Red Española de Agencias de Evaluación de Tecnologías Sanitarias y Prestaciones del SNS. 1. INTRODUCCIÓN: 1.1. Problema de salud y uso actual de la tecnología. 1.2. Descripción de la tecnología: 1.2.1 Los sistemas de patología digital. 1.2.1.1 Escáner. 1.2.1.2 Sistema de almacenamiento. 1.2.1.3 Sistema de visualización. 1.2.2 Regulación. 1.2.3 Ventajas y desafíos. 1.3. Situación actual. 2. JUSTIFICACIÓN. 3. OBJETIVOS: 3.1. Objetivo general. 3.2. Objetivos específicos. 3.3. Preguntas de investigación. 4. METODOLOGÍA: 4.1. Criterios de selección de estudios. 4.2. Criterios de exclusión. 4.3. Fuentes de información y estrategia de búsqueda. 4.4. Proceso de selección de estudios. 4.5. Evaluación crítica del riesgo de sesgo. 4.6. Extracción de datos. 4.7. Síntesis de los datos. 5. RESULTADOS: 5.1. Evaluación de la calidad de los estudios incluidos: 5.1.1 Evaluación de la calidad de RS. 5.1.2 Evaluación de la calidad de estudios individuales. 5.2. Descripción de las revisiones sistemáticas: 5.2.1 Descripción RS de Azam y cols. 5.2.2 Descripción RS de Damaceno y cols. 5.2.3 Descripción RS de Dietz y cols. 5.2.4 Descripción RS de Girolami y cols. 5.3. Descripción de los estudios individuales: 5.3.1 Estudio de Alassiri y cols. 5.3.2 Estudio de Borowski y cols. 5.3.3 Estudio de Hanna y cols. 5.3.4 Estudio de Kong y cols. 5.3.5 Estudio de Retamero y cols. 5.4. Efectividad. 5.5. Seguridad. 5.6. Análisis de los aspectos organizativos, éticos y legales. 5.7. Necesidades de investigación. 6. DISCUSIÓN. 7. CONCLUSIONES. 8. CONTRIBUCIÓN DE LOS AUTORES, COLABORADORES Y REVISORES EXTERNOS. 9. REFERENCIAS. 10. ANEXOS: ANEXO 1. Estrategias de búsqueda. ANEXO 2. Estudios excluidos. ANEXO 3. Tabla de extracción de datos de estudios individuales. ANEXO 4. Extracción datos de revisiones sistemáticas. TABLAS: Tabla 1. Sistemas de escaneado de preparaciones digitales completas, según su capacidad de escaneado. Tabla 2. Características de los visores de preparaciones digitales comerciales y de código abierto. Tabla 3. Ejemplos de softwares de visualización de preparaciones digitales. Tabla 4. Ventajas y desventajas de la patología digital. Tabla 5. Criterios de inclusión. Tabla 6. Dimensiones evaluadas en AMSTAR-2. Tabla 7. Resultados AMSTAR-2 de las RS incluidas. Tabla 8. Resultados de evaluación de sesgos con la herramienta QUADAS-2. Tabla 9. Resultados de concordancia intraobservador del estudio de Alassiri y cols. Tabla 10. Resultados del estudio de Borowski y cols. Tabla 11. Resultados de concordancia intraobservador del estudio de Hanna y cols. Tabla 12. Resultados del estudio de Kong y cols. Tabla 13. Resultados del estudio de Retamero y cols. Tabla 14. Resumen de resultados de concordancia. Tabla 15. Discordancias mayores de los estudios incluidos. FIGURAS: Figura 1. Descripción general de un sistema de patología digital. Figura 2. Alimentación, enfoque y visualización de un sistema de patología digital. Figura 3. Diagrama de flujo del cribado de estudios. Figura 4. Protocolo de adjudicación de casos. Sí

Background Inasmuch as the conventional mouse is not an ideal input device for digital pathology, the aim of this study was to evaluate alternative systems with the goal of identifying a natural user interface (NUI) for controlling whole slide images (WSI). Design Four pathologists evaluated three webcam-based, head-tracking mouse emulators: Enable Viacam (eViacam, CREA Software), Nouse (JLG Health Solutions Inc), and Camera Mouse (CM Solutions Inc). Twenty WSI dermatopathological cases were randomly selected and examined with Image Viewer (Ventana, AZ, USA). The NASA-TLX was used to rate the perceived workload of using these systems and time was recorded. In addition, a satisfaction survey was used. Results The mean total time needed for diagnosis with Camera Mouse, eViacam, and Nouse was 18’57“, 19’37” and 22’32“, respectively (57/59/68 seconds per case, respectively). The NASA-TLX workload score, where lower scores are better, was 42.1 for eViacam, 53.3 for Nouse and 60.62 for Camera Mouse. This correlated with the pathologists’ degree of satisfaction on a scale of 1-5: 3.4 for eViacam, 3 for Nouse, and 2 for Camera Mouse (p Conclusions Head-tracking systems enable pathologists to control the computer cursor and virtual slides without their hands using only a webcam as an input device. - Of the three software solutions examined, eViacam seems to be the best of those evaluated in this study, followed by Nouse and, finally, Camera Mouse. - Further studies integrating other systems should be performed in conjunction with software developments to identify the ideal device for digital pathology.

El reconocimiento facial posibilita a los patólogos el control del cursor y las preparaciones virtuales sin utilizar las manos, empleando únicamente una webcam como dispositivo de entrada. - De los tres sistemas, eViacam es el mejor software evaluado en este estudio, seguido de Nouse y, finalmente, de Camera Mouse. - Deben ser desarrollados estudios adicionales, integrando otros sistemas, en conjunción con el desarrollo de software para alcanzar el sistema ideal en patología digital.

La digitalización de imágenes, denominado “microscopía virtual”, es una tecnología relativamente reciente, que tiene como objetivo simular el uso del microscopio de luz a través de la digitalización de láminas para crear imágenes de alta resolución. De esta manera las aplicaciones de la digitalización de imágenes en patología cobran importancia a la hora de complementar la visualización directa sobre todo en casos complejos y/o que tengan un gran volumen de consulta, ambas cosas ocurren con la dermatopatología, por tanto, se hace de vital importancia generar bases de datos anotadas, que resalten las características histopatológicas de importancia y que sirvan como complemento tanto para consultas cotidianas, como para la docencia en posgrado. En este trabajo, se seleccionaron cien casos de enfermedades inflamatorias prototípicas de la piel. Se utilizaron los patrones para el diagnóstico histológico de las enfermedades de la piel propuestos por el Dr Ackerman como guía. Para cada caso se definieron los patrones y conceptos histopatológicos a resaltar. Se digitalizaron las imágenes con el microscopio robotizado diseñado por el grupo CIM@LAB de la Universidad Nacional de Colombia. Las imágenes digitalizadas fueron subclasificadas en dos grupos: 1. Conceptos básicos y 2. Patrones de enfermedades inflamatorias de la piel. En cada lámina virtual se realizaron anotaciones para señalar los conceptos importantes para el diagnóstico histopatológico y se describieron las definiciones correspondientes. La herramienta obtenida está disponible para su consulta a través de la URL: http://cimalab.unal.edu.co/microscopio Abstract: Digitalization of histopathology images, called "virtual microscopy", is a relatively recent technology, which aims to simulate the use of light microscope through the digitalization of glass slides to create high resolution images. In dermatopathology, there are numerous and complex cases; in this way, image digitalization becomes important since it is an academic complement for direct visualization. Therefore, it is important to build annotated databases that highlight histopathological main concepts, thereby serving as a complement for both daily consultations and postgraduate teaching. In this work, one hundred cases of prototypical inflammatory skin diseases were selected. Histopathological patterns proposed by Dr. Ackerman were used for the diagnosis. For each case, histopathological pattern and concepts to be highlighted were defined. The images were digitized with the robotic microscope designed by the CIM@LAB group of Universidad Nacional de Colombia. Digitized images were subclassified into two groups: 1. Basic concepts and 2. Patterns of inflammatory skin diseases. In each virtual slide annotations were made to indicate the important concepts for the histopathological diagnosis and the corresponding definitions were described. The developed tool is available for consultation through the URL: http://cimalab.unal.edu.co/microscopio. Otra

Producción Científica, Image registration of whole slide histology images allows the fusion of fine-grained information-like different immunohistochemical stains-from neighboring tissue slides. Traditionally, pathologists fuse this information by looking subsequently at one slide at a time. If the slides are digitized and accurately aligned at cell level, automatic analysis can be used to ease the pathologist's work. However, the size of those images exceeds the memory capacity of regular computers. Methods: We address the challenge to combine a global motion model that takes the physical cutting process of the tissue into account with image data that is not simultaneously globally available. Typical approaches either reduce the amount of data to be processed or partition the data into smaller chunks to be processed separately. Our novel method first registers the complete images on a low resolution with a nonlinear deformation model and later refines this result on patches by using a second nonlinear registration on each patch. Finally, the deformations computed on all patches are combined by interpolation to form one globally smooth nonlinear deformation. The NGF distance measure is used to handle multistain images. Results: The method is applied to ten whole slide image pairs of human lung cancer data. The alignment of 85 corresponding structures is measured by comparing manual segmentations from neighboring slides. Their offset improves significantly, by at least 15%, compared to the low-resolution nonlinear registration. Conclusion/Significance: The proposed method significantly improves the accuracy of multistain registration which allows us to compare different antibodies at cell level.

A number of papers have established that a high density of tumor-infiltrating lymphocytes (TILs) is highly correlated with a better prognosis for many different cancer types. Recently, some studies have shown that the spatial interplay between different subtypes of TILs (e.g. CD3, CD4, CD8) is more prognostic of disease outcome compared to just metrics related to TIL density. A challenge with TIL subtyping is that it relies on quantitative immunofluoresence or immunohistochemistry, complex, expensive, and tissue-destructive techniques. In this thesis, we present a new approach to identify TIL sub-groups and quantify the interplay between these sub-populations to analyze the association of these interplay features with recurrence in early stage lung cancer. The approach comprises a Dirichlet Process Gaussian Mixture Model that clusters lymphocytes on H and E images according to the set of 186 features. The approach was evaluated on a cohort of 178 early stage non-small cell lung cancer patients, 100 were used for model training and 78 for independent validation. Recurrence information was extracted from the patient medical records, where 5 years survival is the established range for remained recurrence-free. A Linear Discriminant Analysis classifier was trained in conjunction with clustered lymphocytes to predict the likelihood of recurrence in the test set. The features yielded an AUC=0.84 compared to an approach involving just TIL density alone (AUC=0.58). In addition, a Kaplan-Meier analysis showed that those features were able to statistically distinguish early recurrence from late recurrence (p = 4 ∗ 10 −5 with cutoff alpha of 0.05). Resumen: Varios artículos han establecido que una alta densidad de linfocitos infiltrantes de tumor (TILs, por sus siglas en inglés), está altamente correlacionada con un mejor pronóstico en diferentes tipos de cáncer. Recientemente, algunos estudios han demostrado que la interacción espacial entre los diferentes subtipos de TILs (por ejemplo, CD3, CD4, CD8) resulta más informativa respecto al desenlace de la enfermedad en comparación con las métricas relacionadas con la densidad de TILs. Un desafío con la subtipificación de TILs es que ésta requiere inmunofluorescencia cuantitativa o inmunohistoquímica, técnicas complejas, costosas y destructivas de tejido. En esta tesis, presentamos un nuevo enfoque para identificar subgrupos de TILs y cuantificar la interacción entre dichos subtipos y mostrar la asociación de estas características de interacción con la recurrencia en pacientes con cáncer de pulmón en etapa temprana. El enfoque comprende un Modelo de Mezcla de Gaussianas junto con un proceso Dirichlet que agrupa linfocitos de acuerdo a un vector de 186 características, en imágenes H and E. El abordaje se evaluó en una cohorte de 178 pacientes con cáncer de pulmón de células no pequeñas en etapa inicial, 100 muestras se utilizaron para el entrenamiento del modelo propuesto y 78 para la validación independiente. La información de recurrencia del cáncer es obtenida en la historia clínica de los pacientes, donde la tasa de supervivencia a 5 años es el rango establecido sin recurrencia. estipula según ciertos criterios de recurrencia clínicamente definidos. Se entren´o un clasificador de análisis discriminante lineal (LDA, por sus siglas en inglés), junto con los linfocitos clusterizados para predecir la probabilidad de recurrencia en el conjunto de prueba. Las características arrojaron un AUC = 0,84 en comparación con un enfoque que tiene en cuenta únicamente la densidad de los TILs (AUC = 0,58). Además, un análisis de Kaplan-Meier mostró que las características podían distinguir estadísticamente entre la recurrencia temprana y recurrencia tardía (p = 4 ∗ 10−5 con un alfa de corte de 0.05). Maestría

Everyday, a wide quantity of hospitals and medical centers around the world are producing large amounts of imaging content to support clinical decisions, medical research, and education. With the current trend towards Evidence-based medicine, there is an increasing need of strategies that allow pathologists to properly interact with the valuable information such imaging repositories host and extract relevant content for supporting decision making. Unfortunately, current systems are very limited at providing access to content and extracting information from it because of different semantic and computational challenges. This thesis presents a whole pipeline, comprising 3 building blocks, that aims to to improve the way pathologists and systems interact. The first building block consists in an adaptable strategy oriented to ease the access and visualization of histopathology imaging content. The second block explores the extraction of relevant information from such imaging content by exploiting low- and mid-level information obtained from from morphology and architecture of cell nuclei. The third block aims to integrate high-level information from the expert in the process of identifying relevant information in the imaging content. This final block not only attempts to deal with the semantic gap but also to present an alternative to manual annotation, a time consuming and prone-to-error task. Different experiments were carried out and demonstrated that the introduced pipeline not only allows pathologist to navigate and visualize images but also to extract diagnostic and prognostic information that potentially could support clinical decisions. Resumen: Diariamente, gran cantidad de hospitales y centros médicos de todo el mundo producen grandes cantidades de imágenes diagnósticas para respaldar decisiones clínicas y apoyar labores de investigación y educación. Con la tendencia actual hacia la medicina basada en evidencia, existe una creciente necesidad de estrategias que permitan a los médicos patólogos interactuar adecuadamente con la información que albergan dichos repositorios de imágenes y extraer contenido relevante que pueda ser empleado para respaldar la toma de decisiones. Desafortunadamente, los sistemas actuales son muy limitados en cuanto al acceso y extracción de contenido de las imágenes debido a diferentes desafíos semánticos y computacionales. Esta tesis presenta un marco de trabajo completo para patología, el cual se compone de 3 bloques y tiene como objetivo mejorar la forma en que interactúan los patólogos y los sistemas. El primer bloque de construcción consiste en una estrategia adaptable orientada a facilitar el acceso y la visualización del contenido de imágenes histopatológicas. El segundo bloque explora la extracción de información relevante de las imágenes mediante la explotación de información de características visuales y estructurales de la morfología y la arquitectura de los núcleos celulares. El tercer bloque apunta a integrar información de alto nivel del experto en el proceso de identificación de información relevante en las imágenes. Este bloque final no solo intenta lidiar con la brecha semántica, sino que también presenta una alternativa a la anotación manual, una tarea que demanda mucho tiempo y es propensa a errores. Se llevaron a cabo diferentes experimentos que demostraron que el marco de trabajo presentado no solo permite que el patólogo navegue y visualice imágenes, sino que también extraiga información de diagnóstico y pronóstico que potencialmente podría respaldar decisiones clínicas. Doctorado

Tese de mestrado integrado em Engenharia Biomédica e Biofísica, apresentada à Universidade de Lisboa, através da Faculdade de Ciências, em 2018 Submitted by Cristina Manessiez (camanessiez@fc.ul.pt) on 2019-01-09T19:07:27Z No. of bitstreams: 1 ulfc124630_tm_Jessica_Luzio.pdf: 6252877 bytes, checksum: 8e314cc9d7ff333dc942a053d4c2dc02 (MD5) Made available in DSpace on 2019-01-09T19:07:37Z (GMT). No. of bitstreams: 1 ulfc124630_tm_Jessica_Luzio.pdf: 6252877 bytes, checksum: 8e314cc9d7ff333dc942a053d4c2dc02 (MD5) Previous issue date: 2018

Tese de mestrado integrado, Engenharia Biomédica e Biofísica (Sinais e Imagens Médicas) Universidade de Lisboa, Faculdade de Ciências, 2018 Submitted by Teresa Boa (tdboa@fc.ul.pt) on 2018-11-30T11:46:41Z No. of bitstreams: 1 ulfc124814_tm_João_Mendes.pdf: 11212178 bytes, checksum: dc72149a870350e0819e1de1ac06fc38 (MD5) Made available in DSpace on 2018-11-30T11:46:50Z (GMT). No. of bitstreams: 1 ulfc124814_tm_João_Mendes.pdf: 11212178 bytes, checksum: dc72149a870350e0819e1de1ac06fc38 (MD5) Previous issue date: 2018

No âmbito da patologia, o diagnóstico de doenças como o cancro passa pela análise de lâminas microscópicas. Conquanto, quando digitalizadas, as imagens resultantes exibem uma definição extraordinariamente alta, tipicamente da ordem das dezenas de gigapixels (109 pixels), necessi-tando de vários gigabytes de memória para o seu processamento. A dimensão destas imagens dificulta significativamente a aplicação de qualquer algoritmo de processamento de imagem e, consequentemente, qualquer análise automática. A falta de ferramentas adequadas leva a que a análise seja efetuada, preferencialmente, sobre a lâmina física, utilizando o microscópio ótico convencional, um processo inerentemente subjetivo. Neste enquadramento, o presente projeto surgiu de uma necessidade manifestada pelo Instituto de Patologia e Imunologia Molecular da Universidade do Porto – Ipatimup. Incorporado na área de Imagem Biomédica, pretendeu-se col-matar a carência de uma ferramenta de processamento de imagens de lâminas de biópsia. Numa primeira fase, foi desenvolvida uma interface de apoio à análise assistida de imagens microscó-picas de híper-resolução. Ao ser desenvolvida em estreita colaboração com patologistas do Ipa-timup, a interface aborda os principais requisitos de um sistema de patologia digital. Por conse-guinte, proporciona uma apropriada visualização, sem a introdução de atrasos na exibição, o que permite também uma “navegação” mais agradável e eficiente ao longo da imagem, melhorando consequentemente a duração da análise. Esta análise pode ainda ser complementada com a reali-zação e a revisão de anotações e um conjunto de aplicações que facilitam a partilha, a revisão e a análise visual e quantitativa destas imagens de microscopia patológica. A segunda fase abarcou o desenvolvimento de um algoritmo de segmentação automática para identificação de nucleoides em lâminas raspadas da tiroide em campo claro, o que, além de proporcionar uma adequada de-tecção/segmentação de nucleoides, dispõe de um mecanismo de edição, permitindo ao utilizador total liberdade para validar/alterar o resultado. Complementarmente, são fornecidas medidas de características específicas da morfologia e homogeneidade dos nucleoides, informações determi-nantes para a avaliação do estado e evolução do cancro da tiroide. Na sequência, este trabalho poderá, ainda, ser complementado com um algoritmo que, baseando no número de nucleoides detetados e suas morfologias, permita, também, propor um diagnóstico.

The automatic characterization of histopathology images is an important requirement for the development of computarized tools that might benefit clinicians in their everyday professional workflow. Researchers have developed image descriptors for histopathology images that are mainly migrated from the techniques used with natural images, which result in high-dimensional feature vectors that are difficult to interpret. Since automatic analysis of histopathology images is performed only as support tools for physicians, the level of interpretability of such automatic analysis is of considerable importance. This thesis work was focused in finding a way towards the characterization of histopathology images through the abstraction of simple histological concepts, i.e. information from cell properties. More specifically, we have investigated the potential of cells' area and topology for the construction of descriptors for histopathology images. Experimental results suggest that our proposed descriptors provide a discriminative power that could be used either for classification or retrieval tasks. La caracterización automática de las imágenes de histopatología es un requerimiento importante para el desarrollo de herramientas computarizadas que pueden beneficiar a los médicos en su desarrollo profesional diario. Investigadores han desarrollado descriptores de imágenes de histopatología que han sido principalmente migrados de las técnicas usadas con imágenes naturales, lo cual resulta en vectores de características de alta dimensión que son difíciles de interpretar. Dado que el análisis automático de imágenes de histopatología es llevado a cabo solo como herramienta de soporte para los médicos, el nivel de interoperabilidad de tal análisis automático es de importancia considerable. Este trabajo de tesis fue enfocado en encontrar una manera de caracterizar imágenes de histopatología a través de la abstracción de conceptos histológicos simples, como la información contenida en las células. De manera específica, investigamos el potencial del área de las células y su topología para la construcción de descriptores para imágenes de histopatología. Los resultados experimentales sugieren que los descriptores aquí propuestos tienen un poder discriminante que podría ser usado tanto en clasificación como en recuperación. Maestría

The inter and intra subject variability is a common problem in several tasks associated to the examination of histopathological samples. This variability might hinder the evaluation of cancerous diseases. The development of automatic image analysis techniques and computerized aided diagnostic tools in pathology aims to reduce the impact of such variability by offering quantitative measurements and estimations. These measurements allow an accurate evaluation and classification of the diseases in virtual slide images. The main problem addressed in this thesis is evaluating the correlation of the automated identification of pathological markers with cancer malignancy and aggresivenes. Hence, a set of classifier models are trained to detect known pathological patterns. The classifiers are then used to quantify the presence of the pathological markers. Finally, the resulting measurements are correlated with the cancer risk recurrence. Results show that the automated detectors are able to quantify patterns that show differences across several cancer risk groups. La variabilidad inter e intra sujeto es un problema frecuente en muchas tareas asociadas al ex´amen de muestras histopatológicas. Esta variabilidad puede incidir negativamente en la evaluación de patologías relacionadas con el cáncer. El desarrollo de técnicas para el análisis automático de imágenes y de herramientas de soporte al diagnóstico en patología tiene como objetivo reducir el impacto de la variabilidad inter/intra sujeto mediante la obtención de medidas y estimaciones cuantitativas. Estas medidas permiten una evaluación y clasificación más precisa de las enfermedades observables en l´aminas virtuales. El principal problema abordado en esta tesis consiste en evaluar la correlación de la identificación automática de marcadores patológicos con la agresividad del cáncer. As´ı, un conjunto de clasificadores son entrenados para detectar marcadores patológicos conocidos. Los clasificadores son posteriormente usados para cuantificar la presencia de los marcadores patológicos. Finalmente, las mediciones resultantes son correlacionadas con el riesgo de recurrencia del cáncer. Los resultados muestran que los detectores automáticos son capaces de cuantificar los patrones que muestran diferencias entre diferentes grupos de riesgo. Doctorado

El preparado histológico virtual es una imagen digital generada mediante el escaneo en alta resolución (100.000 puntos por pulgada) de toda la información microscópica y en todos los aumentos del clásico preparado histopatológico de vidrio. Las imágenes generadas se guardan en formatos de archivo multi-resolución que pueden alcanzar tamaños superiores a los 40 gigabytes. El preparado histológico virtual puede ser visualizado con cualquier navegador web mediante un software interactivo que simula un microscopio convencional (microscopio virtual) que permite ajustar los aumentos y desplazarse por cualquier sector del preparado. El objetivo de este estudio es realizar una prueba piloto con alumnos y ayudantes alumnos de la asignatura Patología en el uso de preparados histológicos virtuales con la intención de considerar su posterior implementación durante los trabajos prácticos y como material de consulta y estudio., Facultad de Ciencias Médicas

Durante muchos años el microscopio óptico fue el único instrumento disponible para la enseñanza de la patología microscópica. Los últimos avances en las Tecnologías de la información y la Comunicación han logrado mejorar significativamente el proceso de enseñanza-aprendizaje en patología permitiendo el uso de los formatos digitales y convirtiendo en obsoletas algunas herramientas de enseñanza. Actualmente el microscopio virtual y el preparado histológico virtual son innovaciones tecnológicas empleadas rutinariamente en el entrenamiento y educación continua en patología de grado y posgrado., Facultad de Ciencias Médicas

Cancer research is a major public health priority in the world due to its high incidence, diversity and mortality. Despite great advances in this area during recent decades, the high incidence and lack of specialists have proven that one of the major challenges is to achieve early diagnosis. Improved early diagnosis, especially in developing countries, plays a crucial role in timely treatment and patient survival. Recent advances in scanner technology for the digitization of pathology slides and the growth of global initiatives to build databases for cancer research have enabled the emergence of digital pathology as a new approach to support pathology workflows. This has led to the development of many computational methods for automatic histopathology image analysis, which in turn has raised new computational challenges due to the high visual variability of histopathology slides, the difficulty in assessing the effectiveness of methods (considering the lack of annotated data from different pathologists and institutions), and the need of interpretable, efficient and feasible methods for practical use. On the other hand, machine learning techniques have focused on exploiting large databases to automatically extract and induce information and knowledge, in the form of patterns and rules, that allow to connect low-level content with its high-level meaning. Several approaches have emerged as opposed to traditional schemes based on handcrafted features for data representation, which nowadays are known as representation learning. The objective of this thesis is the exploration, development and validation of precise, interpretable and efficient computational machine learning methods for automatic representation learning from histopathology image databases to support diagnosis tasks of different types of cancer. The validation of the proposed methods during the thesis development allowed to corroborate their capability in several histopathology image analysis tasks of different types of cancer. These methods achieve good results in terms of accuracy, robustness, reproducibility, interpretability and feasibility suggesting their potential practical application towards translational and personalized medicine. Resumen. La investigación en cáncer es una de las principales prioridades de salud pública en el mundo debido a su alta incidencia, diversidad y mortalidad. A pesar de los grandes avances en el área en las últimas décadas, la alta incidencia y la falta de especialistas ha llevado a que una de las principales problemáticas sea lograr su detección temprana, en especial en países en vías de desarrollo, como quiera a que de ello depende las posibilidades de un tratamiento oportuno y las oportunidades de supervivencia de los pacientes. Los recientes avances en tecnología de escáneres para digitalización de láminas de patología y el crecimiento de iniciativas mundiales para la construcción de bases de datos para la investigación en cáncer, han permitido el surgimiento de la patología digital como un nuevo enfoque para soportar los flujos de trabajo en patología. Esto ha llevado al desarrollo de una gran variedad de métodos computacionales para el análisis automático de imágenes de histopatología, lo cual ha planteado nuevos desafíos computacionales debido a la alta variabilidad visual de las láminas de histopatología; la dificultad para evaluar la efectividad de los métodos por la falta de datos de diferentes instituciones que cuenten con anotaciones por parte de los patólogos, y la necesidad de métodos interpretables, eficientes y factibles para su uso práctico. Por otro lado, el aprendizaje de máquina se ha enfocado en explotar las grandes bases de datos para extraer e inducir de manera automática información y conocimiento, en forma de patrones y reglas, que permita conectar el contenido de bajo nivel con su significado. Diferentes técnicas han surgido en contraposición a los esquemas tradicionales basados en diseño manual de la representación de los datos, en lo que se conoce como aprendizaje de la representación. El propósito de esta tesis fue la exploración, desarrollo y validación de métodos computacionales de aprendizaje de máquina precisos, interpretables y eficientes a partir de bases de datos de imágenes de histopatología para el aprendizaje automático de la representación en tareas de apoyo al diagnóstico de distintos tipos de cáncer. La validación de los distintos métodos propuestos durante el desarrollo de la tesis permitieron corroborar la capacidad de cada uno de ellos en distintivas tareas de análisis de imágenes de histopatología, en diferentes tipos de cáncer, con buenos resultados en términos de exactitud, robustez, reproducibilidad, interpretabilidad y factibilidad, lo cual sugiere su potencial aplicación práctica hacia la medicina traslacional y personalizada. Doctorado

Tese de mestrado integrado, Engenharia Biomédica e Biofísica (Radiações em Diagnóstico e Terapia) Universidade de Lisboa, Faculdade de Ciências, 2019 Submitted by Teresa Boa (tdboa@fc.ul.pt) on 2019-12-09T15:19:50Z No. of bitstreams: 1 ulfc125583_tm_Carolina_Seabra.pdf: 32269235 bytes, checksum: 3753314503bbf40bccaee3a81ad88208 (MD5) Made available in DSpace on 2019-12-09T15:20:10Z (GMT). No. of bitstreams: 1 ulfc125583_tm_Carolina_Seabra.pdf: 32269235 bytes, checksum: 3753314503bbf40bccaee3a81ad88208 (MD5) Previous issue date: 2019