抽象的

背景：根据虚拟幻灯片和整个幻灯片成像，甚至确定案例是否属于一个类别，代表特定疾病是一个巨大的挑战，进行自动诊断。在这项工作中，我们专注于中枢神经系统肿瘤的分类。我们尝试设计一种允许自动区分包含胶质母细胞瘤特征的组织病理学模式的虚拟幻灯片 - 伪层膜添加坏死，并区分神经素瘤（Schwannoma）（Schwannoma）的病例，其中包含相似的结构 - 固定（palisading（Verocay Bodies））。方法：我们的方法基于计算机视觉方法，例如结构分析和形状描述符。我们从虚拟幻灯片中的图像进行分割开始，找到特定的模式，并使用一组可以描述伪随身坏死的特征，并将其与帕利萨德斯区分开。幻灯片中发现的结构类型决定其分类。结果：描述的方法在使用机器人显微镜捕获的一组49个虚拟载玻片上进行了测试。结果表明，该算法正确鉴定了82％的胶质母细胞瘤病例和90％的神经瘤病例。结论：我们的方法是使用虚拟幻灯片自动检测神经系统肿瘤的一种有前途的方法。