Feature-based analysis of cell nuclei structure for classification of histopathological images

معاینه پاتولوژیک تصاویر هیستوپاتولوژیک، روش اصلی تشخیص سرطان است. ما یک رونویسی مبتنی بر ویژگی های مبتنی بر ویژگی های جدید برای طبقه بندی تصاویر هیستوپاتولوژیک پیشنهاد کردیم. یک مدل حیوانی از مدل موش نئوپلاسم روده ای کارسینوژنز روده ای برای ارزیابی قابلیت ساختار هسته ای برای تشخیص سرطان زایی مراحل اولیه و ارزیابی خطر ابتلا به سرطان استفاده شد. در مرحله اول، هسته های سلولی بر اساس محلی سازی سلول های مشترک و روش مورفولوژی بهبود یافته تقسیم می شوند. سپس انواع مختلفی از ویژگی ها، از جمله ویژگی های شکل، ویژگی های آماری و ویژگی های متنی (ویژگی های فیلد تصادفی گابور و مارکف) استخراج می شوند. روش های انتخاب ویژگی از جمله بسته بندی، فیلتر و حداکثر مربوطه-حداقل چندین کالیناریست برای به دست آوردن مجموعه ویژگی های بهینه استفاده می شود. نتایج تجربی نشان می دهد که روش تقسیم بندی پیشنهادی می تواند به طور خودکار تصاویر هیستوپاتولوژیک را تقسیم کرده و نتایج تقسیم بندی موثر داشته باشد. حداکثر معیار-حداقل روش چندینالیناری، از تمام روشهای دیگر در اصطلاح دقت طبقه بندی بهتر است. ویژگی های متنی می توانند به طور مشخص ویژگی ساختار هسته سلول را بهبود بخشند و روش های انتخاب ویژگی می توانند نتایج طبقه بندی بهتر را بدست آورند.