异常细胞明显(ABC)是一个异构组织区域,可以分为三个主要类型:良性增生(BH),癌(Ca),上皮内瘤()或前体恶性病变。在这项研究中,我们的目标是确定和描述结直肠癌的连续使用三维纹理的方法。ABC是分割预处理步骤中使用一个活动轮廓分割技术。细胞类型分析了基于纹理特征的提取灰度同现矩阵(GLCMs)。使用方差分析所选择的重要结构特征(方差分析)的ABC<我nline-formula>
结直肠癌(CRC)是最常见的癌症之一,影响人
此外,经典光学显微镜系统可以检测ABC通过应用先进的图像处理技术(
在这项工作中,我们提出分析每个ABC类型应用灰度共生矩阵建立的提取纹理特征。纹理是指音调的变化在一个地区,或相邻像素的灰度值之间的空间关系。三维(3 d)纹理分析提供更多的信息通过使用两个阶段和multioffset像素检测像素对在三维空间的可变性
综上所述,本研究的目的是定量的多光谱图像纹理特性的推导从光学显微镜图像分类CRC病变的连续体。这项研究是第一个训练的新奇CRC的自动连续预测。这将是基金会radiomic地图,将这些纹理特征与各种ABC类型相关联。
本文的其余部分组织如下。部分
我们具体分析了3 d多光谱数字整张图片(WSI) 27日结直肠癌患者。空间异质性的一个例子为每个多光谱ABC类型在其直方图分布。显然,有某些特征和特性初步分析,区分BH, Ca(图 整个组织样本取自结肠腺体厚度值5<我talic>
μ我talic>米是用苏木精和伊红染色(H & E)污渍。图像捕捉到一个电荷耦合装置(CCD)相机结合液晶可调谐滤波器(LCTF)在光学显微镜系统 在这项研究中,LCTF提供16个多光谱波段使用波长500 - 650纳米的范围。因此,从每个原始图像,我们获得了16个图像代表波长范围和多光谱数据量(图 排除和不完整的数据样本,一组27 CRC患者聚集的初步研究。我们选择从每个ABC 9卷的数据类型,一个是结构化的数据量(图16个多光谱图像 卷数据的多光谱bioimages如上所示。(一)分段多光谱分析癌像素的灰度图像像素。在(b), 13个方向控制的两个角(<我nline-formula>
我们运用活动轮廓分割准确段异常细胞的形状。这项技术是基于动态曲线走向和检测对象的轮廓的迭代过程( 蛇的效果2 d多光谱bioimages分割技术是应用于三种类型的ABC (a、b和c)。3 d多光谱的模式bioimages分割区域确定后结直肠病理学家(d, e, f)。
黑洞
在
Ca
黑洞
在
Ca
约翰逊宇航中心可以根据以下规定: JSC是用来计算相似性分割的整体水平细胞和地面真理细胞。DSC也使用,可以表示如下: 的平均性能指标(%)三种癌细胞类型。
最好的技术用来评估图像像素之间的关系是应用灰度共生矩阵建立的纹理特征提取。这种技术Haralick等人于1973年提出了( GLCM代表的概率<我nline-formula>
使用2 d图像,典型值为“<我nline-formula>
GLCM计算也可以应用于3 d图像。在这种情况下,应用灰度共生矩阵建立的<我nline-formula>
GLCMs体积数据应用的最重要的优势是能够捕获强度像素在一个3 d体积之间的关系。进一步,GLCMs造成3 d操作通常小于对应无数2 d切片。例如,在数据立方体和10个单独的2 d切片,总共有80 GLCMs (8 GLCMs类似于每片2偏移和4方向)。另一方面,在3 d操作中,GLCMs总数是26(13方向和2补偿)。支持的好处GLCMs应用于体积数据,我们计算GLCMs Haralick多光谱ABC和量化这些同现矩阵的特性。
Haralick提出14从GLCMs提取的纹理特性,和每个提取的价值特性表明ABC在纹理图像的初步指标。14中纹理特性,我们采用12个主要结构特点:能量(<我nline-formula>
ABC的检测问题,上述结构特性提取3 d GLCMs符合13方向和4类型的偏移量。因此,生成的特征向量的长度是12(功能)×13(方向)×1(距离或抵消)= 156的特性。分析基于GLCMs纹理特征的影响,我们组织纹理特性分成5组(<我nline-formula>
分组的纹理特性。
此外,我们计算的平均纹理特征应用灰度共生矩阵建立基于3 d内13方向和4补偿评估每一个从ABC(表的价值 比较ABC纹理特性(均值±STD)黑洞之间,Ca。
性能指标(%)ABC歧视依赖纹理特征选择。
纹理量化由12个功能(根据这些建议Haralick)在黑洞中,可以找到,Ca的细胞样本。<我nline-formula>
方差分析是用来评估纹理特性和ABC类型之间的统计学意义( ABC分类类型基于纹理特征进行使用的重要特性在决策树作为输入变量(DT)分类器 准确性代表正确分类样本,可以表示如下:
指标
黑洞
在
Ca
约翰逊航天中心
76.12
75.92
81.56
DSC
86.44
86.31
88.21
玻璃钢
07.61
05.03
06.32
FNR
18.08
20.26
16.11
组
抵消
阶段
特征数
G
1
13
156年
G
2
13
156年
G
13
156年
G
8
13
156年
G
1-2-4-8
13
624年
功能
黑洞
在
Ca
0.014±0.009
0.007±0.002
0.005±0.001
< 0.0001
2.316±0.202
2.382±0.108
2.530±0.059
< 0.0001
0.014±0.004
0.016±0.004
0.013±0.001
< 0.0001
44.355±21.172
33.183±11.019
40.661±11.612
< 0.0001
0.088±0.048
0.079±0.006
0.075±0.005
< 0.0001
51.784±8.455
49.623±10.162
52.257±5.684
0.0841
17.032±4.356
15.572±0.764
17.075±1.476
< 0.0001
44.355±21.172
33.183±11.019
40.661±11.612
< 0.0001
−85.194±589.163
375.391±204.221
408.413±229.755
< 0.0001
60430.702±13323.791
54856.863±19614.368
58506.092±13952.284
0.0021
0.064±0.035
0.027±0.008
0.026±0.009
< 0.0001
0.215±0.081
0.230±0.038
0.201±0.034
< 0.0001
组
选择功能 精度
灵敏度
特异性
G
35
66.66
55.55
77.77
G
35
74.07
66.66
88.88
G
35
77.77
88.88
94.44
G
53
55.55
66.66
66.66
G
158年
74.07
77.77
94.44
个人电脑
5
92.59
One hundred.
94.44
美国广播公司(ABC)数字图像分割使用活动轮廓分割技术。图
蛇(活动轮廓)技术表明,ABC类型正确检测和定位(图
图 GLCM灰度级(32)的多光谱bioimages显示所有三种类型的ABC。GLCM是在一个方向上(<我nline-formula>
黑洞
在
Ca
一个方差分析显示,有35个重要分类器特征在156纹理特性<我nline-formula>
性能指标范围的ABC歧视基于特定偏移量和方向显示精度,灵敏度、特异性范围为55.55 -77.77%,55.55 - -88.88%,分别为-94.44%和66.66。
性能指标范围的最大值是通过使用组<我nline-formula>
分类器精度(%)的ABC使用选择的特性。
组
黑洞
在
Ca
G
55.55
88.88
55.55
G
66.66
88.88
66.66
G
88.88
77.77
66.66
G
66.66
44.44
55.55
G
77.77
77.77
66.66
个人电脑
One hundred.
77.77
One hundred.
此外,五个人电脑功能显示的最高价值92.59%的准确性,敏感性100%,特异性94.44%(表的最后一行
分类器精度获得最高的是88.88%<我nline-formula>
ROC曲线分析得到每个ABC歧视显示范围的AUC值BH和76.99 - -90.30%的,-99.90%至97.97的黑洞与Ca,分别为99.18 -99.73%和Ca。然而,最好的ABC歧视AUC值通过使用(图5个人电脑功能 接受者操作特征(ROC)曲线测定每个之间的歧视ABC (BH和,黑洞和Ca,与Ca)基于真实3 d数据的问题。曲线下的面积(AUC)值显示为每个abc在两种情况之间的歧视:(a)总选择功能使用158和(b)电脑功能使用5。
总选择功能
电脑的功能
此外,使用五个人电脑特性,比较研究混淆矩阵的异常细胞类型基于决策树的歧视(DT),朴素贝叶斯(NB),和最近的邻居(NN)分类器 ABC的混淆矩阵。
样本
DT
神经网络
注
黑洞
在
Ca
黑洞
在
Ca
黑洞
在
Ca
9黑洞
9
0
0
8
1
0
9
0
0
9
1
7
1
5
4
0
1
8
0
9 Ca
0
0
9
0
0
9
0
0
9
分类器
黑洞
在
Ca
DT
94.73
87.50
94.73
神经网络
72.72
57.14
One hundred.
注
94.73
94.11
One hundred.
在这项研究中,我们展示了纹理特征提取的作用从GLCMs歧视BH,, Ca。我们证明了使用量化图像纹理特性和重要功能与性能指标ABC报道歧视。此外,我们显示的力量结构量化使用12从GLCMs函数来间接地将图像特征与ABC类型。纹理特征提取GLCMs使用四个像素偏移和13方向(<我nline-formula>
根据实验中,不同组的纹理特征应用于ABC歧视过程,结果显示电脑的效率特性来源于明显的纹理特征提取使用GLCMs大肠癌组织病理学图像分析(表的最后一行 热图ABC之间相关系数特点:黑洞,,和Ca开始增生,上皮内瘤和癌分别。红色矩形的关联效应校正功能,减少的精度值歧视。
这项研究表明,纹理特征提取可以为ABC地图使用等图像处理技术识别重要的特性和特征选择。以前,人类结肠癌细胞的分化是演示了使用基因表达B-tubulin同形像(
到目前为止,很少有研究直接解决之间的歧视类型的ABC对结肠癌的诊断。大部分都集中在他们的异质性;几项研究已经表明,增加异质性与恶性肿瘤(
本研究基于纹理特征分析提供了一个简单的方法来评估大肠癌的连续从良性恶性通过使用三个异常细胞。这三种细胞类型代表着从良性转变为恶性肿瘤。在这种情况下,结果表明:radiomic纹理特征具有重要意义和提供良好的分类指标,也突出radiomic纹理特征提取的潜力增强预测的ABC结直肠组织。这应该引发进一步的研究基于图像的定量结构特性在结肠直肠癌。考虑到现实,结直肠癌病人之间是高度异构,纹理特征分析是一个更理想的方法来提供清晰的ABC分类类型比现有的方法。
我们的研究有局限性;其中最重要的是有限的科目(<我nline-formula>
本文基于多重纹理特性的新方法对异常细胞分类提出了结肠直肠癌。结直肠癌的真实数据被用来验证ABC特性之间的歧视。ABC是由活动轮廓分割技术,然后从GLCMs纹理特征提取。重要的纹理特性选择基于方差分析测试。最好的结果当所有功能结合在一起,PCA应用五个人电脑功能区分ABC类型的准确性为92.59%。这个结果承诺之间做出的新娘形象特征和结肠直肠癌病理这将导致有效的医疗诊断和治疗。
任何必要的批准、授权和知情同意文件。
这些材料是符合所有适用的法律、法规和政策保护医疗数据。
作者宣称没有利益冲突有关的出版。
作者要感谢服务<我talic> Anapat我talic>的<我talic> 楚我talic>医院的<我talic> Nancy-Brabois我talic>和<我talic> 嵌入式系统和智能传感器的体系结构我talic>(ASEC)团队。这项工作被洛林大学的支持。