从H&E染色的幻灯片中自动量化乳腺癌中的Ki-67表达,使用基于变压器的回归模型
Abadh K Chaurasia1,2, Patrick W Toohey3, Matthew T Bennett3
1Pandani Solutions Pty Ltd, Hobart, Australia. abadh.chaurasia@utas.edu.au.
Breast cancer research : BCR
|November 18, 2025
概括
我们开发了一个变压器模型,直接从H&E幻灯片中估计乳腺癌Ki-67的扩散,从而消除了额外IHC染色的需要. 这种方法准确量化Ki-67表达,并自动化数字病理学的热点检测.
科学领域:
- 计算病理学计算病理学
- 数字病理学数字病理学
- 机器学习在瘤学中的应用
背景情况:
- 准确的Ki-67量化对于乳腺癌预后和治疗计划至关重要.
- 目前的自动化方法与密集的核和染色变异性作斗争.
- 从常规的H&E幻灯片中估计Ki-67可以降低成本并提高效率.
研究的目的:
- 开发和验证基于变压器的回归模型,用于直接从血素和乙素 (H&E) 染色全片图像 (WSI) 中估计Ki-67表达.
- 绕过传统的细分方法来量化Ki-67.
- 为了从易于获得的H&E幻灯片进行Ki-67估计,减少了对额外免疫组织化学 (IHC) 染色的需求.
主要方法:
- 利用七个公共数据集来实现最佳的变压器架构和超参数选择.
- 实施了分类模型,以从WSIs中识别和过质量差的补丁.
- 在IHC染色补丁上训练一个回归模型,以生成H&E补丁的伪标签,然后在H&E补丁上训练一个单独的模型.
主要成果:
- 回归模型实现了高预测准确度,R2值超过0.90,用于量化细胞类型和Ki-67比率.
- 该分类模型展示了近乎完美的AUROC (~100%) 在不同数据集中识别可分级补丁.
- 跨模式验证显示了强大的性能,细胞计数的R2值超过0.95,准确地捕捉了来自H&E图像的增殖模式.
结论:
- 开发的方法精确量化Ki-67表达,并自动化WSIs中的热点检测,提供可扩展的数字病理学解决方案.
- 这种交叉模式模型展示了使用H&E染色WSIs的形态特征来量化分子表达的潜力.
- 该方法为简化乳腺癌分析和治疗计划提供了宝贵的工具.
更多相关视频
08:32Using Computer-based Image Analysis to Improve Quantification of Lung Metastasis in the 4T1 Breast Cancer Model
Published on: October 2, 2020
6.9K
07:32Author Spotlight: Investigating Immune Cell Dynamics in the Tumor Microenvironment — Challenges and Innovations in Cancer Prognosis
Published on: April 12, 2024
1.9K
