结直肠癌免疫组化图像分级诊断方法

作     者：莫卓锐 黄强豪 张琳 曹雨齐 葛维挺 余明晖 

作者机构：华中科技大学人工智能与自动化学院 浙江大学控制科学与工程学院 浙江大学医学院附属第二医院 

出 版 物：《电子科技》 (Electronic Science and Technology)

年 卷 期：2024年

学科分类：1002[医学-临床医学] 08[工学] 080203[工学-机械设计及理论] 100214[医学-肿瘤学] 0802[工学-机械工程] 10[医学] 

基　　金：浙江省“尖兵”领雁’研发攻关计划资助(2022C03002) 军科委基础加强项目(2019-JCJQ-ZD-334-12) 

主　　题：免疫组织化学 结直肠癌 病理诊断 有监督学习 迁移学习 细胞核分割 微调策略 聚类 

摘      要：人体组织病理学检查主要应用于各类肿瘤诊断和治疗，免疫组织化学技术在结直肠癌早期筛查中具有重要的临床意义。为准确判断结直肠癌抑癌基因P53表达程度，文中提出一种基于逐块释放微调策略迁移学习的分级诊断方法，通过图像预处理、有监督模型预训练以及逐块释放微调等步骤将细胞核分割模型的参数迁移诊断框架中。生成的细胞核分割掩膜进行主成分分析（Principal Component Analysis， PCA）降维和支持向量机（Support Vector Machine， SVM）多元分类最终得到图像诊断结果。该方法在结直肠癌P53蛋白免疫组化（Immunohistochemistry， IHC）图像数据集上进行了验证，模型的Dice值可达到0.887 6，分级准确率达到90.28%。研究结果表明，文中所提方法能够对结直肠癌免疫组化图像有效分级，为医生阅片提供可靠的辅助信息。