使用混合协调技术增强侵袭性导管癌的组织病理图像分类

科学领域:

• 病理学 病理学 病理学
• 医疗成像医学成像
• 计算生物学 计算生物学

背景情况:

• 针对乳腺癌诊断的组织病理图像分析面临着由于中心内和中心间变化的挑战.
• 变化源于图像采集差异和患者临床特征的多样性,影响模型的稳定性.

研究的目的:

• 在基因病理图像中开发一个强大的基于工程功能的管道,用于对侵袭性导管癌和良性瘤进行分类.
• 解决和纠正批量效应和数据在不同数据中心内和不同数据中心之间的变化.
• 提高乳腺癌诊断模型的准确性和效率.

主要方法:

• 一个特征工程管道,涉及特征提取.
• 实施多种协调技术,以纠正中心内和中心间批量效应.
• 在公开的乳腺癌数据集 (BreaKHIS和IDCDB) 上使用准确性,精度和回忆指标进行绩效评估.

主要成果:

• 拟议的管道在分类良性和恶性瘤方面实现了90-95%的准确性.
• 协调显著提高了从不同数据库分类数据的性能.
• 顶级模特的表现在IDCDB上达到94.7%,在BreaKHis上达到95.2%,超过了现有的方法.

结论:

• 基于特征工程的管道有效地分类瘤,同时减轻可变性问题.
• 协调技术对于提高分类模型的学习和测试性能至关重要.
• 该管道显示了提高乳腺癌诊断的潜力,可以适应其他疾病.