An automatic entropy method to efficiently mask histology whole-slide images.
An automatic entropy method to efficiently mask histology whole-slide images.
复制标题
DOI：
10.1038/s41598-023-29638-1
复制
发表时间：
2023-03-15
影响因子：
4.6
通讯作者：
Miller, Clint L. L.
中科院分区：
文献类型：
--
作者：
Song, Yipei;Cisternino, Francesco;Mekke, Joost M. M.;de Borst, Gert J. J.;de Kleijn, Dominique P. V.;Pasterkamp, Gerard;Vink, Aryan;Glastonbury, Craig A. A.;van der Laan, Sander W. W.;Miller, Clint L. L.
组织切片图像（WSI）的组织分割仍然是自动化数字病理工作流程的关键任务，既可以准确诊断疾病，又可以为研究目的进行深度表型分析。当生物标本的组织结构相对多孔且不均匀时，例如动脉粥样硬化斑块，这尤其具有挑战性。在本研究中，我们开发了一种独特的基于图像熵的“EntropyMasker”方法来解决组织学WSI中的前背景分割（掩蔽）任务。我们在Athero-Express Biobank Study中对97个高分辨率颈动脉粥样硬化斑块的WSI进行了评估，包括苏木精和伊红以及其他8种染色类型。利用多个基准指标，将本文方法与Otsu方法、Adaptive mean方法、Adaptive Gaussian方法和slideMask方法进行比较，发现本文方法具有最高的灵敏度和Jaccard相似度指数。我们设想EntropyMasker将填补WSI预处理、机器学习图像分析管道的重要空白，并使疾病表型超越动脉粥样硬化领域。
Tissue segmentation of histology whole-slide images (WSI) remains a critical task in automated digital pathology workflows for both accurate disease diagnosis and deep phenotyping for research purposes. This is especially challenging when the tissue structure of biospecimens is relatively porous and heterogeneous, such as for atherosclerotic plaques. In this study, we developed a unique approach called ‘EntropyMasker’ based on image entropy to tackle the fore- and background segmentation (masking) task in histology WSI. We evaluated our method on 97 high-resolution WSI of human carotid atherosclerotic plaques in the Athero-Express Biobank Study, constituting hematoxylin and eosin and 8 other staining types. Using multiple benchmarking metrics, we compared our method with four widely used segmentation methods: Otsu’s method, Adaptive mean, Adaptive Gaussian and slideMask and observed that our method had the highest sensitivity and Jaccard similarity index. We envision EntropyMasker to fill an important gap in WSI preprocessing, machine learning image analysis pipelines, and enable disease phenotyping beyond the field of atherosclerosis.
登录
查看更多内容
影响因子：
4.6
作者：
Bankhead P;Loughrey MB;Fernández JA;Dombrowski Y;McArt DG;Dunne PD;McQuaid S;Gray RT;Murray LJ;Coleman HG;James JA;Salto-Tellez M;Hamilton PW
通讯作者：
Hamilton PW
影响因子：
--
作者：
Kothari, Sonal;Phan, John H;Wang, May D
通讯作者：
Wang, May D
DOI：
10.1109/taes.2015.140878
发表时间：
2016-02-01
影响因子：
4.4
作者：
Deng, He;Sun, Xianping;Zhou, Xin
通讯作者：
Zhou, Xin
影响因子：
20.1
作者：
Depuydt MAC;Prange KHM;Slenders L;Örd T;Elbersen D;Boltjes A;de Jager SCA;Asselbergs FW;de Borst GJ;Aavik E;Lönnberg T;Lutgens E;Glass CK;den Ruijter HM;Kaikkonen MU;Bot I;Slütter B;van der Laan SW;Yla-Herttuala S;Mokry M;Kuiper J;de Winther MPJ;Pasterkamp G
通讯作者：
Pasterkamp G
影响因子：
3.7
作者：
Arunachalam, Harish;Mishra, Rashika;Leavey, Patrick
通讯作者：
Leavey, Patrick