基于乳腺淋巴结全景图像计算的自动分期系统

发布时间：2022-01-23 14:04

　　乳腺癌是全世界女性发病率最高的恶性肿瘤,死亡率为6%左右。与其他的恶性肿瘤相比,乳腺癌预后较好,如果能够做到早发现、早诊断、早治疗,治愈率可达96%以上。乳腺淋巴结转移的分期阶段是乳腺癌诊断的重要组成部分,目前在临床中人工病理诊断淋巴结癌转移主要依赖显微镜,不仅繁琐、耗时、费力,而且可重复性低,诊断结果具有较强的主观性,易受经验和环境等因素影响。近年来,计算机组织学诊断已经成为医学图像计算领域发展最快的方向之一。但由于病理图像尺寸巨大,且具有高度的复杂性,使得针对病理图像的分析仍然是一个极具挑战性的研究课题。本文提出的基于乳腺前哨淋巴结全景图像计算的自动分期方法能够提供一套标准化、高准确率和可重复性的客观诊断结果。然而在高度复杂的淋巴结全景图像中自动检测和定位癌转移区域具有很大的难度。本文基于滑动窗提出了一种新颖深度网络训练策略用来训练关于癌转移区域的自动定位模型。该训练策略首先在较小数据量中训练初始卷积网络,提取假阳性和假阴性的图像块,接下来用人工筛选结合网络自动筛选的方式将假阳性块再分类,用来提高阴性类别的类间差,并且使用旋转、镜像以及H&E染色变换等数据增强方式来提高模型... 

【文章来源】：南京信息工程大学江苏省

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

淋巴结中存在的三种类型病理结构(绿色曲线内部)样例：(a)癌转移区域，(b)淋巴窦组织,(c)次级滤泡生发中心

图 1.2 淋巴结中存在的三种类型病理结构(绿色曲线内部)样例：(a)癌转移区域，(b) 淋巴窦组织,(c)次级滤泡生发中心。三张图像中背景均为淋巴细胞区域。(3)待检测和分割的目标众多。图1.3是随机选取的淋巴结癌转移区域中的三个小块，每张图像中有成千上万个细胞。同时视野中场景复杂，存在多种细胞类型，如淋巴细胞、癌细胞以及其它类型的细胞，它们杂乱无章地交织在一起(见图 1.3(a-c))。不仅如此，病理图像是三维病理组织在二维平面的成像，因此还存在大量的细胞重叠、紧靠、没有明确边界的现象(见图 1.3(b))。如何同步地检测和分割这些细胞，并解决细胞重叠、紧靠，没有明确边界的问题，这对视觉和图像处理算法来说难度很大。图1.3 淋巴结癌转移区域中结构复杂性样例：(a)淋巴细胞和癌细胞混合；(b)细胞的重叠和紧靠；(c)癌细胞形状和尺寸异质性高。(4)癌变区域的细胞异质性高。在病理图像中

图 2.1 乳腺癌腋淋巴结转移及其相应的病理图像示意图。(a)乳腺肿瘤区域及其腋淋巴结结构位置关系示意图；(b)淋巴结清扫手术示意图；(c)从发生乳腺腋淋巴结癌转移的部位取出组织并用 H&E染色后的数字病理全扫描图像，其中蓝色标记的区域为病理学医生标记的发生了癌转移的区域；(d)为(c)中用红色矩形框标记的癌转移的区域放大后的病理图像，(e)为(d)中橙色矩形区域再放大后的癌转移区域(右上)和正常淋巴结区域(左下)。2.1.2 淋巴结转移类型和分期淋巴结转移的组织学评估(N 期)是乳腺癌分期系统最重要的预后因素之一，通过判断乳腺癌患者癌转移程度，可以对患者癌症扩散程度进行分类，从而帮助患者选择合理的治疗方案并获得预后信息。在该系统中，N 反映了肿瘤原发灶附近的淋巴结癌转移的状态，如果没有检测到任何一个淋巴结发生转移，则 N 的设定值为 0，反之，N 就综合发生了癌转移的淋巴结数量，以及相应的淋巴结中癌转移程度的高低赋予一个大于 0 的整数值。pN 分期系统用于判断患者癌转移扩散到淋巴结的程度，其主要由 pN0、pN0(i+)、


本文编号：3604498