Quantitative estimation of nuclear pleomorphism in breast cancer histological images
La evaluación del pleomorfismo nuclear contribuye a establecer el pronóstico y diagnósti- co del cáncer de seno. Estas alteraciones nucleares se caracterizan por cambios en el tamaño o forma del núcleo y diferencias en la apariencia de la cromatina. Investigaciones previas muestran que la estimación...
- Autores:
-
Moncayo Martinez, Ricardo Alexander
- Tipo de recurso:
- Fecha de publicación:
- 2017
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/61026
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/61026
http://bdigital.unal.edu.co/59831/
- Palabra clave:
- 61 Ciencias médicas; Medicina / Medicine and health
Breast cancer
Histopathology
Biomedical
Nuclear pleomorphism
Atypia nuclear
Cáncer seno
Histopatología
Biomédica
Pleomorfismo nuclear
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
Summary: | La evaluación del pleomorfismo nuclear contribuye a establecer el pronóstico y diagnósti- co del cáncer de seno. Estas alteraciones nucleares se caracterizan por cambios en el tamaño o forma del núcleo y diferencias en la apariencia de la cromatina. Investigaciones previas muestran que la estimación de este criterio presenta una gran variabilidad inter-observador, con un coeficiente de concordancia kappa entre 0,3 (bajo) y 0,5 (moderado) [1].En este trabajo se presenta un método automático de cuantificación del pleomorfismo nuclear en imágenes de cáncer de seno. La estrategia comienza por segmentar los núcleos, seguido de una caracterización que determina el grado de pleomorfismo por campo de visión. Durante el entrenamiento, se construye un diccionario visual multiescala con un conjunto de núcleos ex- traı́dos. El diccionario permite representar un campo microscópico mediante un histograma de los elementos del diccionario, contando las ocurrencias del núcleo más similar del campo visual en cada posición del diccionario. Histogramas de campos microscópicos (con magni- ficación times20), previamente clasificado por patólogos expertos en cáncer de seno, fueron utilizados para entrenar un clasificador SVM. La estrategia fue evaluada en 134 campos mi- croscópicos. A su vez, estas imágenes fueron extraidas de un total de 14 casos de cáncer de seno (provenientes de la base de datos ’The Cancer Genome Atlas’ - TCGA). Medidas de recall y precisión de 0,67 y 0,67 fueron obtenidas en la evaluación del método propuesto. |
---|