New breast cancer prognostic factors identified by computer-aided image analysis of HE stained histopathology images.
New breast cancer prognostic factors identified by computer-aided image analysis of HE stained histopathology images.
复制标题
通过 HE 染色组织病理学图像的计算机辅助图像分析确定新的乳腺癌预后因素
DOI：
10.1038/srep10690
复制
发表时间：
2015-05-29
影响因子：
4.6
通讯作者：
Li Y
中科院分区：
文献类型：
--
作者：
Chen JM;Qu AP;Wang LW;Yuan JP;Yang F;Xiang QM;Maskey N;Yang GF;Liu J;Li Y
计算机辅助图像分析（CAI）有助于客观量化苏木精-伊红（HE）组织病理学图像的形态学特征，并为乳腺癌的预后提供潜在有用的信息。我们对230例乳腺浸润性导管癌（IDC）患者的1150张HE图像进行了CAI工作流程。我们使用逐像素支持向量机分类器对肿瘤巢(TNs)-基质进行分割，并使用标记控制分水岭算法对细胞核进行分割。分割后提取730个形态学参数，经Kaplan-Meier分析鉴定出12个参数与8年无病生存率显著相关（均P< 0.05）。通过多因素Cox比例风险模型分析，发现TNs特征（HR 1.327, 95%CI [1.001 ~ 1.759]，P= 0.049）、TNs细胞核特征（HR 0.729, 95%CI [0.537 ~ 0.989]，P= 0.042）、TNs细胞密度特征（HR 1.625, 95%CI [1.177 ~ 2.244]，P= 0.003）、基质细胞结构特征（HR 1.596, 95%CI [1.142 ~ 2.229]，P= 0.006） 4个影像学特征为新的独立预后因素。结果表明，cai可以帮助病理医师从HE组织病理图像中提取IDC的预后信息。TNs特征、TNs细胞核特征、TNs细胞密度和间质细胞结构特征可作为新的预后因素。
Computer-aided image analysis (CAI) can help objectively quantify morphologic features of hematoxylin-eosin (HE) histopathology images and provide potentially useful prognostic information on breast cancer. We performed a CAI workflow on 1,150 HE images from 230 patients with invasive ductal carcinoma (IDC) of the breast. We used a pixel-wise support vector machine classifier for tumor nests (TNs)-stroma segmentation and a marker-controlled watershed algorithm for nuclei segmentation. 730 morphologic parameters were extracted after segmentation and 12 parameters identified by Kaplan-Meier analysis were significantly associated with 8-year disease free survival (P< 0.05 for all). Moreover, four image features including TNs feature (HR 1.327, 95%CI [1.001 - 1.759],P= 0.049), TNs cell nuclei feature (HR 0.729, 95%CI [0.537 - 0.989],P= 0.042), TNs cell density (HR 1.625, 95%CI [1.177 - 2.244],P= 0.003) and stromal cell structure feature (HR 1.596, 95%CI [1.142 - 2.229],P= 0.006) were identified by multivariate Cox proportional hazards model to be new independent prognostic factors. The results indicated thatCAI can assist the pathologist in extracting prognostic information from HE histopathology images for IDC. The TNs feature, TNs cell nuclei feature, TNs cell density and stromal cell structure feature could be new prognostic factors.
登录
查看更多内容
DOI：
10.1109/tbme.2011.2110648
发表时间：
2011-07
期刊：
IEEE transactions on bio-medical engineering
影响因子：
--
作者：
Dundar MM;Badve S;Bilgin G;Raykar V;Jain R;Sertel O;Gurcan MN
通讯作者：
Gurcan MN
影响因子：
50.3
作者：
Hanahan, Douglas;Coussens, Lisa M.
通讯作者：
Coussens, Lisa M.
影响因子：
14
作者：
Chen, Chuang;Xia, He-Shun;Li, Yan
通讯作者：
Li, Yan
影响因子：
6.1
作者：
He L;Long LR;Antani S;Thoma GR
通讯作者：
Thoma GR
影响因子：
6.2
作者：
Fumagalli, Debora;Andre, Fabrice;Desmedt, Christine
通讯作者：
Desmedt, Christine