韩继能 1,3 , 谢嘉伟 1,3 , 顾松 1,3 , 闫朝阳 1,3 , 李建瑞 2 , 张志强 2 , 徐军 1,3
  • 1. 南京信息工程大学 自动化学院(南京 210044);
  • 2. 东部战区总医院 影像科(南京 210002);
  • 3. 南京信息工程大学 医学人工智能联合研究院(南京 210044);
导出 下载 收藏 扫码 引用

胶质瘤是最常见的恶性脑肿瘤,其高低级别分类是制定治疗方案和预后的重要参考指标。临床中,脑胶质瘤的高低分级诊断通常由病理医生阅读全景病理图像(WSI)来完成,该任务繁琐且对医生经验要求较高。根据2016年第4版《中枢神经系统肿瘤WHO分类》标准,细胞的富集程度、核异型、坏死等现象与胶质瘤分级密切相关。受该标准启发,本文定量分析脑全景病理图像中细胞密度和异型特征,对胶质瘤进行高低级别自动分级。首先分析全局细胞密度定位感兴趣区域(ROI),提取全扫描图像的全局密度特征,然后对感兴趣区域提取局部密度特征和异型特征,最后利用特征选择并构建平衡权重的支持向量机(SVM)分类器,5折交叉验证的受试者工作特性曲线下的面积(AUC)为0.92 ± 0.01,准确率(ACC)为0.82 ± 0.01。实验结果表明,本文提出的感兴趣区域定位方法可快速有效地实现定位,构建的细胞密度和异型特征能够实现胶质瘤的自动分级,为临床诊断提供可靠依据。