Subscription journalSubscription journalПодписной журнал2411-87292409-4161Eco-Vector1625610.17816/fm16256XJRSVOTechnical reportsТехнические отчеты技术报告Research ArticleOnline histostereometric analysis in digital forensic pathology: a technical reportГистостереометрический онлайн-анализ в судебно-медицинской цифровой патологии: технический отчёт法医数字病理学中的组织立体几何在线分析https://orcid.org/0009-0007-7542-72352407-7937NedugovVladimir G.НедуговВладимир ГермановичNedugovVladimir G.
Russian Federation
nedugovvg@gmail.comhttps://orcid.org/0009-0004-5237-7739ZhukovaAnna V.ЖуковаАнна ВалерьевнаZhukovaAnna V.
Russian Federation
anna.zhuk.dreamer@yandex.ruhttps://orcid.org/0000-0002-7380-37663828-8091NedugovGerman V.НедуговГерман ВладимировичNedugovGerman V.
Russian Federation

MD, Dr. Sci. (Medicine), Assistant Professor

доктор медицинских наук, доцент

MD, Dr. Sci. (Medicine), Assistant Professor

nedugovh@mail.ruSamara State Medical UniversityСамарский государственный медицинский университетSamara State Medical UniversitySamara National Research University (Samara University)Самарский национальный исследовательский университет имени академика С.П. КоролёваSamara National Research University (Samara University)ruen310720252708202520251121451540502202509062025Copyright ©; 2025, Eco-VectorCopyright ©; 2025, Эко-ВекторCopyright ©; 2025,2025Eco-VectorЭко-Векторhttps://nginx.mia-letum.ru/subscr/article/view/16256

BACKGROUND: Quantitative image analysis of histological, histochemical, and immunohistochemical specimens is an essential component of digital forensic pathology. However, the scarcity of commercial analysis software limits the widespread implementation of digital pathology principles, and thus objective histological diagnosis, in forensic medical examinations in Russia. This article presents a readily accessible online application for automated histostereometric image analysis of histological and immunohistochemical specimens, as well as digital photographs of individual fields of view.

AIM: The work aimed to develop an online tool for histostereometric analysis of images used in digital forensic pathology.

METHODS: This work presents an online application compatible with Windows, Linux, Android, and iOS operating systems. The application is designed to detect microstructures with specific color characteristics in digital images and perform histostereometric analysis. The software code was written in JavaScript using the open-source library OpenCV.

RESULTS: An online application Color Histostereometry Calculator was developed to determine the relative volume and number of microstructures with specific color characteristics in raster images of histological and immunohistochemical specimens. The application uses the HSV (Hue, Saturation, Value) color model, with the ability to adjust the ranges of color parameters and the minimum size of the analyzed regions; moreover, it identifies microstructures based on their color characteristics rather than geometric features. This allows for the exclusion of various image artifacts from the analysis, the segmentation of overlapping structures, and the evaluation of morphometric parameters for an infinitesimally thin section, thereby eliminating the influence of section thickness on the analysis results.

CONCLUSION: The proposed online application is recommended for histostereometric analysis in digital forensic pathology.

Обоснование. Необходимым элементом судебно-медицинской цифровой патологии является количественный анализ изображений гистологических, гистохимических и иммуногистохимических препаратов. Однако труднодоступность коммерческих пакетов анализа ограничивает масштабирование принципов цифровой патологии и соответственно методов объективной гистологической диагностики в отечественной судебно-медицинской экспертизе. В настоящей статье предложено доступное онлайн-приложение, выполняющее автоматизированный гистостереометрический анализ изображений гистологических и иммуногистохимических препаратов, а также цифровых снимков их отдельных полей зрения.

Цель работы. Разработка онлайн-инструмента гистостереометрического анализа изображений судебно-медицинской цифровой патологии.

Методы. В работе представлена разработка онлайн-приложения, совместимого с операционными системами Windows, Linux, Android и IOS, предназначенного для выделения на цифровых изображениях микрообъектов с заданными цветовыми свойствами и их гистостереометрического анализа. Код приложения писали на языке программирования JavaScript с использованием открытой библиотеки openCV.

Результаты. Разработано онлайн-приложение Color Histostereometry Calculator, предназначенное для определения на растровых изображениях гистологических и иммуногистохимических препаратов удельного объёма и количества микрообъектов с заданными цветовыми характеристиками. Использование цветовой модели HSV (Hue, Saturation, Value) с возможностью настройки диапазонов цветовых параметров и минимальных размеров учитываемых областей, а также принцип идентификации микрообъектов на основе их цветовых характеристик, а не геометрических признаков, позволяет исключать из анализа различные артефакты изображения, сегментировать наслоившиеся структуры и оценивать морфометрические показатели для бесконечно тонкого среза, тем самым устраняя влияние толщины срезов на результаты анализа.

Заключение. Разработанное онлайн-приложение рекомендуется для выполнения гистостереометрического анализа в судебно-медицинской цифровой патологии.

论证：法医数字病理学的重要组成部分是对组织学、组织化学和免疫组织化学切片图像的定量分析。然而，商业分析软件获取受限，制约了数字病理学原理及其在俄罗斯法医学鉴定实践中客观组织学诊断方法的推广。本文提出了一种可访问的在线工具，可自动执行组织学和免疫组织化学切片图像及其局部视野图像的组织立体几何分析。

目的：开发一款用于法医数字病理图像组织立体几何分析的在线工具。

方法：本研究开发了一个兼容Windows、Linux、Android和iOS操作系统的在线应用程序，用于在数字图像中识别具有特定颜色特征的微观对象并进行组织立体几何分析。该程序使用JavaScript编写，基于开源库OpenCV实现。

结果：成功开发了名为Color Histostereometry Calculator的在线应用程序，用于在组织学和免疫组织化学切片的光栅图像中确定具有指定颜色特征的微观对象的体积分数和数量。该工具基于 HSV（Hue, Saturation, Value）颜色模型，支持设置颜色参数范围和最小计量区域大小。采用基于颜色特征而非几何形态识别微观对象的策略，可有效排除图像伪影、分割重叠结构，并针对理想无限薄切片评估形态计量指标，从而消除切片厚度对分析结果的影响。

结论：所开发的在线应用程序可推荐用于法医数字病理学中的组织立体几何分析。

histostereometric analysisimage analysisonline applicationdigital pathologyforensic medical examinationtechnical reportгистостереометрический анализанализ изображенийонлайн-приложениецифровая патологиясудебно-медицинская экспертизатехнический отчёт组织立体几何分析图像分析在线应用程序数字病理学法医学鉴定技术报告Zhang MZ, Meng YL, Ling HS, et al. Research Status and Prospects of Non-Traumatic Fat Embolism in Forensic Medicine. Fa Yi Xue Za Zhi. 2022;38(2):263–266. doi: 10.12116/j.issn.1004-5619.2020.401002Abouzahir H, Regragui M, Tolba CS, et al. Histopathological Diagnosis of Arrhythmogenic Right Ventricular Cardiomyopathy: A Review of Three Autopsy Cases. The Malaysian Journal of Pathology. 2022;44(2):277–283. Available from: https://mjpath.org.my/2022/v44n2/arrhythmias.pdfTan L, Byard RW. Cardiac Amyloid Deposition and the Forensic Autopsy - A Review and Analysis. Journal of Forensic and Legal Medicine. 2024;103:102663. doi: 10.1016/j.jflm.2024.102663 EDN: FPPMTVGhamlouch A, De Simone S, Dimattia F, et al. Microscopic and Macroscopic Findings in Cocaine and Crack Airways Injuries: A Literature Review. La Clinica Terapeutica. 2025;176(2 suppl. 1):83–88. doi: 10.7417/CT.2025.5193Zhang DY, Venkat A, Khasawneh H, et al. Implementation of Digital Pathology and Artificial Intelligence in Routine Pathology Practice. Laboratory Investigation. 2024;104(9):102111. doi: 10.1016/j.labinv.2024.102111 EDN: CVTKOAJariyapan P, Pora W, Kasamsumran N, Lekawanvijit S. Digital Pathology and Artificial Intelligence in Diagnostic Pathology. The Malaysian Journal of Pathology. 2025;47(1):3–12. Available from: https://www.mjpath.org.my/2025/v47n1/digital-pathology-and-AI.pdfFabián O, Švajdler M, Jirásek T. Integration of Digital Pathology Workflow in the Anatomic Pathology Laboratory. Československá Patologie. 2025;61(1):22–28. Available from: https://pubmed.ncbi.nlm.nih.gov/40456622/Gutman DA, Khalilia M, Lee S, et al. The Digital Slide Archive: A Software Platform for Management, Integration, and Analysis of Histology for Cancer Research. Cancer Research. 2017;77(21):e75–e78. doi: 10.1158/0008-5472.CAN-17-0629Pallua JD, Brunner A, Zelger B, et al. The Future of Pathology is Digital. Pathology - Research and Practice. 2020;216(9):153040. doi: 10.1016/j.prp.2020.153040 EDN: WDORBNJahn SW, Plass M, Moinfar F. Digital Pathology: Advantages, Limitations and Emerging Perspectives. Journal of Clinical Medicine. 2020;9(11):3697. doi: 10.3390/jcm9113697 EDN: UHOJAOHijazi A, Bifulco C, Baldin P, Galon J. Digital Pathology for Better Clinical Practice. Cancers. 2024;16(9):1686. doi: 10.3390/cancers16091686 EDN: IHIAYPBaxi V, Edwards R, Montalto M, Saha S. Digital Pathology and Artificial Intelligence in Translational Medicine and Clinical Practice. Modern Pathology. 2022;35(1):23–32. doi: 10.1038/s41379-021-00919-2 EDN: HCPFJIHassell LA, Absar SF, Chauhan C, et al. Pathology Education Powered by Virtual and Digital Transformation: Now and the Future. Archives of Pathology & Laboratory Medicine. 2022;147(4):474–491. doi: 10.5858/arpa.2021-0473-ra EDN: LIQBYNKiran N, Sapna FNU, Kiran FNU, et al. Digital Pathology: Transforming Diagnosis in the Digital Age. Cureus. 2023;15(90):e44620. doi: 10.7759/cureus.44620 EDN: HGTEMPTizhoosh HR, Pantanowitz L. On Image Search in Histopathology. Journal of Pathology Informatics. 2024;15:100375. doi: 10.1016/j.jpi.2024.100375 EDN: LHYVMGLouis DN, Feldman M, Carter AB, et al. Computational Pathology: A Path Ahead. Archives of Pathology & Laboratory Medicine. 2015;140(1):41–50. doi: 10.5858/arpa.2015-0093-SANam S, Chong Y, Jung CK, et al. Introduction to Digital Pathology and Computer-Aided Pathology. Journal of Pathology and Translational Medicine. 2020;54(2):125–134. doi: 10.4132/jptm.2019.12.31 EDN: LFTRDWHosseini MS, Bejnordi BE, Trinh VQH, et al. Computational Pathology: A Survey Review and the Way Forward. Journal of Pathology Informatics. 2024;15:100357. doi: 10.1016/j.jpi.2023.100357 EDN: LVMRRMKobek M, Jankowski Z, Szala J, et al. Time-Related Morphometric Studies of Neurofilaments in Brain Contusions. Folia Neuropathologica. 2016;1:50–58. doi: 10.5114/fn.2016.58915Zhou Y, Zhang J, Huang J, et al. Digital Whole-Slide Image Analysis for Automated Diatom Test in Forensic Cases of Drowning Using a Convolutional Neural Network Algorithm. Forensic Science International. 2019;302:109922. doi: 10.1016/j.forsciint.2019.109922Garland J, Hu M, Duffy M, et al. Classifying Microscopic Acute and Old Myocardial Infarction Using Convolutional Neural Networks. American Journal of Forensic Medicine & Pathology. 2021;42(3):230–234. doi: 10.1097/paf.0000000000000672 EDN: VCAELOLi D, Zhang J, Guo W, et al. A Diagnostic Strategy for Pulmonary Fat Embolism Based on Routine H&E Staining Using Computational Pathology. International Journal of Legal Medicine. 2023;138(3):849–858. doi: 10.1007/s00414-023-03136-5 EDN: AZHOBNVolonnino G, De Paola L, Spadazzi F, et al. Artificial Intelligence and Future Perspectives in Forensic Medicine: A Systematic Review. Clin Ter. 2024;175(3):193–202. doi: 10.7417/CT.2024.5062Bankhead P. Developing Image Analysis Methods for Digital Pathology. The Journal of Pathology. 2022;257(4):391–402. doi: 10.1002/path.5921 EDN: SWPEFTStodden V, Seiler J, Ma Z. An Empirical Analysis of Journal Policy Effectiveness for Computational Reproducibility. Proceedings of the National Academy of Sciences. 2018;115(11):2584–2589. doi: 10.1073/pnas.1708290115Cadwallader L, Papin JA, Mac Gabhann F, Kirk R. Collaborating With Our Community to Increase Code Sharing. PLOS Computational Biology. 2021;17(3):e1008867. doi: 10.1371/journal.pcbi.1008867 EDN: PZRYDCCouture JL, Blake RE, McDonald G, Ward CL. A Funder-Imposed Data Publication Requirement Seldom Inspired Data Sharing. PLOS ONE. 2018;13(7):e0199789. doi: 10.1371/journal.pone.0199789Perkel JM. How to Fix Your Scientific Coding Errors. Nature. 2022;602(7895):172–173. doi: 10.1038/d41586-022-00217-0 EDN: AQEQYMLevet F, Carpenter AE, Eliceiri KW, et al. Developing Open-Source Software for Bioimage Analysis: Opportunities and Challenges. F1000Research. 2021;10:302. doi: 10.12688/f1000research.52531.1 EDN: VTEMIZNowogrodzki J. How to Support Open-Source Software and Stay Sane. Nature. 2019;571(7763):133–134. doi: 10.1038/d41586-019-02046-0Nedugov GV. Morphometric Diagnostics of the Age Of Encapsulated Subdural Hematomas. Forensic Medical Expertise. 2011;54(3):19–22. EDN: PXKDWVAvtandilov GG. Fundamentals of Quantitative Pathological Anatomy: A Tutorial. Moscow: Meditsina; 2002. (In Russ.) ISBN: 5-225-04151-5 Available from: https://rusneb.ru/catalog/000200_000018_RU_NLR_bibl_330460/?ysclid=mdhec2t2c326584559Nedugov GV. Determination of the Duration of Extrauterine Life of Premature Infants by the Severity of Postnatal Involution of the Hematopoietic Tissue of the Liver. Forensic Medical Expertise. 2005;48(5):9–12. (In Russ.)