借助病理组织图像的乳腺癌自动评分系统

摘要

本论文主要阐述了我在 IPAL( Image and Pervasive Access Lab)参与MICO(Cognitive Microscopy)项目的工作成果。MICO致力于开发一个认知驱动的癌症组织病理学分析平台。该平台旨在帮助病理学家对分析与诊断癌症。目前该平台主要用于乳腺癌的病理学图像处理以及依照诺丁汉评级系统来进行的癌症严重程度预估。
　　在这五个月中,我工作的第一个目标是研究并开发一个从病理组织学图像中提取管状组织的算法。该算法基于被病理学家们广泛用于乳腺癌评级的诺丁汉评级系统(NGS)。它主要涉及包括管状组织在内的三个组织结构的评估。管状组织是是由细胞所包围的组织结构,精确检测管状组织对于癌症的诊断是非常重要的。高质量大体积的数字化病理组织学图像是近些年刚刚成形的医学图像技术,另外管状组织的侦测是目前较活跃的研究课题。在 MICO项目中,合作医院为我们提供了许多不同类型,不同组织结构,不同颜色,内容的图像。通过与医生的合作和检验,MICO项目小组将我的管状组织分割算法发表在一篇向MICCAI会议提交的文章中。检验结果的准确性达到0.74。
　　管状组织的侦测算法被集成到一个用于全景图像(WSI, Whole Slide Image)操作的可视框架当中。这个框架的一部分也是由我开发的。事实上,病理组织学的图像不能被直接操作,因为它具有特殊的储存格式以及巨大的文件容量。目前,由病理学家在全景图像上标注出可能的癌症感染区域,所标注的信息会被存储在一个 XML文件中。然后从这些文件中,我们就可以提取合理尺寸的图像并且进行分析。整个处理过程是准确的,有效的和可延展的。
　　我工作的第二个目标是探索使用乳腺癌本体(ontology of breast cancer)来验证管状组织侦测结果的可行性。因为先前已经进行了适当的图像处理,所以其实对于结果的检验只需要很少的工作。研究表明,使用本体工具并不适合管状组织侦测结果的检验。由于实验中有巨大的数据量需要处理并且考虑到计算的复杂性,暂时没有第三方支持本体推断的软件可以理想地完成验证任务。

目录

封面

中文摘要

英文摘要

目录

Chapter 1 Introduction

1.1 Background

1.2 The purpose of the project

1.3 The status of related research

1.4 Main content and organization of the thesis

Chapter 2 Requirements analysis

2.1 Goal of the system

2.2 Architecture of the MICO project

2.3 Implementation condition

2.4 The functional requirements

2.5 The un-functional requirements

2.6 Brief summary

Chapter 3 System design

3.1 The image segmentation algorithm

3.2 Segmentation of whole slide images

3.3 Ontologies and their use after image processing

Chapter 4 System implementation and testing

4.1 The environment of system implementation

4.2 UML structure

4.3 System testing

Conclusion

参考文献

Appendices

5.1 Image processing

5.2 Polygon-rectangle intersection test

5.3 Ontologies

声明

致谢

Resume