使用适应性染色正常化估计癌细胞的侵袭深度,以提高表皮细分精度
Md Ziaul Hoque1, Anja Keskinarkaus2, Pia Nyberg3
1Center for Machine Vision and Signal Analysis, Faculty of Information Technology and Electrical Engineering, University of Oulu, Finland; Division of Nephrology and Intelligent Critical Care, Department of Medicine, University of Florida, Gainesville, USA.
概括
这项研究引入了一种自动化方法,用于从组织病理学图像中测量癌瘤侵袭深度,从而提高癌症诊断和治疗规划的手动方法的准确性和效率.
科学领域:
- 计算病理学计算病理学
- 数字图像分析数字图像分析
- 癌症诊断 癌症诊断 癌症诊断
背景情况:
- 手动测量粘膜下侵袭深度是主观的,需要大量的时间.
- 准确的入侵深度对于癌症预后和治疗计划至关重要.
- 观察者间和观察者内部的变异性挑战手动病理检查.
研究的目的:
- 开发一种自动化计算技术,用于从染色基因病理图像中测量癌瘤侵袭深度.
- 与手动方法相比,提高入侵深度评估的准确性和效率.
- 帮助开发计算机辅助的生物银行诊断工具.
主要方法:
- 一种结合自适应性染色正常化,色彩分解和形态重建的方法.
- 使用自适应值通过蓝色比例图像来分离上皮质.
- 将图像分割成有意义的,均的部分,以测量入侵深度.
主要成果:
- 拟议的方法准确地测量了从内表皮边缘到最深的瘤像素的侵袭深度.
- 对皮肤黑色素瘤,肌肉瘤和口腔状细胞癌组织进行实验验证.
- 与入侵深度测量中的三个参考方法相比,性能优越.
结论:
- 开发的计算技术提供了一种更客观,更有效的方法来评估癌症侵袭深度.
- 这种方法有可能增强计算机辅助的病理诊断工具.
- 自动化入侵深度测量可以显著有利于生物库应用和临床决策.
