发现具有临床意义的形状特征用于肿瘤病理图像分析
应用统计
2020-12-10 v1 计算机视觉与模式识别
摘要
随着成像技术进步，肿瘤组织切片的数字病理成像正成为癌症诊断的常规临床流程。该过程产生以高分辨率捕捉组织学细节的海量影像数据。深度学习方法近期的发展使我们能大规模自动检测与刻画病理图像中的肿瘤区域。从每个识别出的肿瘤区域，我们提取了 30 个界定明确的描述符以量化其形状、几何与拓扑。我们展示了这些描述符特征如何与来自国家肺部筛查试验（n=143）的肺腺癌患者生存结局相关联。此外，基于描述符的预后模型在来自癌症基因组图谱计划（The Cancer Genome Atlas Program）的独立患者队列（n=318）中开发并验证。本研究提出了肿瘤形状、几何与拓扑特征同患者预后关系的新见解。我们在 GitHub 以 R 代码形式提供软件：https://github.com/estfernandez/Slide_Image_Segmentation_and_Extraction。
引用
@article{arxiv.2012.04878,
title = {Discovering Clinically Meaningful Shape Features for the Analysis of Tumor Pathology Images},
author = {Esteban Fernández Morales and Cong Zhang and Guanghua Xiao and Chul Moon and Qiwei Li},
journal= {arXiv preprint arXiv:2012.04878},
year = {2020}
}