在细胞癌图像中核空间组织的图形理论表征
Rohini Palanisamy1, Shruthi Gokul2, Gokul Manoj2
1Department of Electronics and Communication Engineering, Indian Institute of Information Technology Design and Manufacturing, Kancheepuram 600127, Tamil Nadu, India.
Computer methods and programs in biomedicine
|July 5, 2025
概括
拓数据分析和图形理论通过分析核聚合模式有效地将细胞癌 (RCC) 与正常组织区分开来. 这种计算方法增强了对病原体的评估,以改善诊断.
科学领域:
- 计算病理学计算病理学
- 医学成像分析分析 医学成像分析
- 拓学数据分析的分析.
- 图形理论是指图形的理论.
背景情况:
- 细胞癌 (RCC) 是一种侵袭性脏恶性瘤,需要精确的体病理学评估.
- 传统的诊断依赖于核形态学,但计算方法提供了新的方法.
- 量化核空间组织可以更深入地了解瘤特征.
研究的目的:
- 利用拓数据分析和图形理论来描述RCC中的核聚合模式.
- 开发一个基于核组织的计算框架来区分RCC与正常脏组织.
- 评估图像分割值对特征提取的影响,以提高诊断可靠性.
主要方法:
- 提取基于图形的特征,包括贝蒂数 (β0,β1) 和聚类系数,以量化核连接.
- 采用跨多个强度值的核细分,使用肘法来确定最佳值.
- 利用曼-惠特尼U测试进行瘤和正常组织之间的统计比较.
主要成果:
- 贝蒂数和聚类系数的明显趋势使RCC与正常组织有所区别.
- 瘤组织显示出更高的β1和聚类系数,表明核聚合增加和不规则的连接性.
- 正常组织表现出更高的β0值,表明核分布更为分散;最佳值确定在100像素 (p <0.05).
结论:
- 拓和基于图形的描述器有效地捕捉了RCC中瘤相关的结构变化.
- 优化强度值提高了基于核聚合的差异化对RCC诊断的可靠性.
- 计算框架支持自动化RCC诊断,并改进了他的病理学评估.
