在自动免疫染色评分中基质过滤器

介绍

KI-67是与核抗原结合的细胞增殖标记，因此是免疫组织化学中的主要抗体。基于KI-67免疫染色的评分方法已显示出作为一系列癌症的致死率预测指标的潜力[1]。最常见的评分方法是标记指数，即KI-67阳性细胞与整个人群的比率[1]。

对病理学家来说，手工计算标记指数是一个耗时的过程，因为他们在一个明亮的领域里计算细胞数量。自动评分算法和程序已经被编写来生成标记索引，但是它们对于细胞类型是非特异性的，并且通常通过在索引中包括基质细胞而歪曲结果。这个问题在乳腺癌中尤其重要，因为肿瘤通常位于纤维脂肪组织的区域。我们已经适应算法的免疫染色评分和测试2基质细胞过滤算法，去除这些细胞基于其拉长的核形态。

方法

一种自动评分算法改编自免疫学[2并且是用Python编程语言编写的。在此评分程序中，对基质过滤的两种方法进行了测试。第一种过滤的细胞低于阈值，阈值由标记细胞的等周商定义，而第二种使用的形状属性称为Hu矩不变。该算法应用于乳腺癌图像数据集，结果与非基质过滤和病理学家评分相关。

结果

初步结果表明，基质过滤算法比非过滤算法与病理结果的相关性更好。此外，Hu矩不变量由于不依赖周界，是一种较好的基质细胞过滤变量。自动评分与病理评分结果的偏差与图像中基质组织的数量直接相关。

结论

基质细胞过滤技术是一种很有前途的自动评分算法。应探索其他方法来处理非延长间质核的过滤。随着可用性的提高，它可以在不久的将来集成到整个幻灯片成像系统中。

参考文献

1. 刘建民，“乳腺癌的分子标记:对肿瘤行为的预测”，国立中山大学医学研究所硕士论文。疾病标记， 2014年第3卷，文章编号513158,12页，2014年。视图:出版商的网站|谷歌学术搜索
2. V. J. Tuominen, S. Ruotoistenmaki, a . Viitanen, M. Jumppanen，和J. Isola，《免疫:雌激素受体(ER)、黄体酮受体(PR)和Ki-67定量图像分析的公开网络应用》，乳腺癌研究第12卷，no。4，第56条，2010年。视图:出版商的网站|谷歌学术搜索

版权

版权所有©2014 Kunal Patel等这是一篇开放获取下发布的文章知识共享署名许可，允许在任何媒体中不受限制地使用、发布和复制原创作品，只要原稿被正确引用。