通过开发的局部二进制模式方法,对结肠癌的诊断进行了有效的研究

科学领域:

• 在瘤学瘤学.
• 计算病理学计算病理学
• 医学成像分析 医学成像分析

背景情况:

• 准确的瘤鉴定对于癌症诊断和治疗至关重要.
• 组织病理学检查是黄金标准,但目前的方法有局限性.
• 需要新的计算方法来提高病理学诊断的准确性.

研究的目的:

• 引入和评估用于结肠癌检测的跨越局部二进制模式 (CO-LBP).
• 为了比较CO-LBP与已建立的步骤局部二进制模式 (n-LBP) 方法的性能.
• 评估这些基于纹理的特征提取技术在机器学习和转移学习模型中的实用性,用于本病理图像分析.

主要方法:

• 开发和应用一种新的局部二进制模式变体,CO-LBP,用于结肠癌诊断.
• 使用LC25000数据集对结肠组织组织病理学图像进行CO-LBP和n-LBP的比较分析.
• 用机器学习分类器和转移学习模型对这两种方法的评估.

主要成果:

• n-LBP表现出卓越的诊断性能,准确度为96.87%,并达到93.74%.
• CO-LBP在临床上取得了具有竞争力的结果,准确率为94.57%, kappa为90.91%.
• 这两种方法在精度,回忆,F1得分和ROC分析方面都表现出强的表现,突出了它们在基于纹理的特征提取方面的潜力.

结论:

• 无论是CO-LBP还是n-LBP,都显示出使用基因病理图像对结肠癌的显著诊断潜力.
• n-LBP提供了优越的诊断结果,而CO-LBP提供了具有竞争力的替代方案.
• 这些发现强调了LBP变体在质感分析中的互补优势,以改善癌症诊断.