双通道合方法 增强多点病理图像匹配 增强癌症诊断

科学领域:

• 数字病理学数字病理学
• 计算生物学 计算生物学
• 医学图像分析 医学图像分析

背景情况:

• 血素和素 (H&E) 和免疫组织化学 (IHC) 染色病理学图像的准确对齐对于癌症诊断至关重要.
• 手动注释多斑病理图像是劳动密集型和昂贵的.
• 在H&E和IHC图像之间的染色变化对准确匹配提出了挑战.

研究的目的:

• 开发一种自动化的方法来匹配多斑点病理图像.
• 为了降低与手动注释相关的劳动力成本.
• 为了提高病理图像匹配的准确性和成功率,用于诊断辅助.

主要方法:

• 提出了深度双通道合 (DDC) 方法用于多斑点病理图像匹配.
• 利用虚拟染色来创建两个匹配的通道,桥接H&E和IHC图像.
• 采用深度描述符表示和用于指导匹配和结果集成的合策略.

主要成果:

• 在匹配病理图像方面取得了93.81%的成功率.
• 与手动注释错误相比,在准确度上有45.24%的改进.
• 在使用210个手动注释来估计黄金标准的比较方法中表现出色.

结论:

• DDC方法提供了一种可靠的方法来匹配H&E和IHC病理图像,减轻着色变异.
• DDC显著提高了准确性和成功率,接近临床手册注释水平.
• 这种方法显示出作为一种有价值的工具来支持临床病理诊断应用的潜力,特别是在识别特定癌症方面.