滤泡淋巴瘤分级

《滤泡淋巴瘤分级》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、HistopathologicalImageAnalysisUsingModel-BasedIntermediateRepresentationsandColorTexture:FollicularLymphomaGrading滤泡淋巴瘤分级——使用基于中间表示法模型的和颜色纹理信息分析组织病理图像OlcaySertel·JunKong·UmitV.Catalyurek·GerardLozanski·JoelH.Saltz·MetinN.GurcanAbstractFollicularlymphoma(FL)isacancerofly

2、mphsystemanditisthesecondmostcommonlymphoidmalignancyinthewesternworld.Currently,theriskstratificationofFLreliesonhistologicalgradingmethod,wherepathologistsevaluatehematoxilinandeosin(H&E)stainedtissuesectionsunderamicroscopeasrecommendedbytheWorldHealthOrganization.Th

3、ismanualmethodrequiresintensivelaborinnature.Duetothesamplingbias,italsosuffersfrominter-andintra-readervariabilityandpoorreproducibility.Wearedevelopingacomputer-assistedsystemtoprovidequantitativeassessmentofFLimagesformoreconsistentevaluationofFL.Inthisstudy,wepropos

4、edastatisticalframeworktoclassifyFLimagesbasedontheirhistologicalgrades.Weintroducedmodel-basedintermediaterepresentation(MBIR)ofcytologicalcomponentsthatenableshigherlevelsemanticdescriptionoftissuecharacteristics.Moreover,weintroducedanovelcolor-textureanalysisapproac

5、hthatcombinestheMBIRwithlowleveltexturefeatures,whichcapturetissuecharacteristicsatpixellevel.Experimentalresultsonrealfollicularlymphomaimagesdemonstratethatthecombinedfeaturespaceimprovedtheaccuracyofthesystemsignificantly.Theimplementedsystemcanidentifythemostaggress

6、iveFL(gradeIII)with98.9%sensitivityand98.7%specificityandtheoverallclassificationaccuracyofthesystemis85.5%.摘要滤泡淋巴瘤(FL)是一种淋巴系统癌症,它是西方世界排名第二的恶性淋巴肿瘤。目前，FL的恶性分级依赖于组织病理图像。目前，FL的恶性分级依赖于组织学分级方法，由世界卫生组织建议病理学家在显微镜下评估由苏木精-伊红染色法（H＆E）染色的组织切片。这种人工方法需要很大的精力。由于抽样误差，它也受到来自医生间和医生本身的差异和

7、不可重复性的约束。我们正在开发的电脑辅助系统对FL图像进行定量评估以便提供更一致的FL评价。在这项研究中，我们提出了一个统计框架，根据其组织学分级分类FL图像。我们推出了基于模型的中间表示（MBIR）的细胞学部件，实现了更高层次的语义描述的组织特性。此外，我们引入了一个捕捉像素级的组织特征的新的彩色纹理分析方法，它结合了MBIR和低级别的纹理特征。在真正的滤泡性淋巴瘤图像上的实验结果表明，该组合的特征空间上显着改善了系统的精度。实现的系统可以识别的恶性的FL（III级），灵敏度为98.9％和特异度为98.7％，系统的总分类精度为85.

8、5％。KeywordsHistopathologicalimageanalysis·Model-basedintermediaterepresentation·Colortextureanalysis·Follicula