Advertisement

Tumorsegmentierung in CD3/CD8-gefärbten Histopathologien

  • Anqi Wang
  • Matthias Noll
  • Stefan Wesarg
Conference paper
Part of the Informatik aktuell book series (INFORMAT)

Kurzfassung

Segmentierung von bestimmten Gewebetypen in Histopathologien ist eine oft untersuchte Fragestellung. Üblicherweise werden dafür Gewebeproben mit Hämatoxylin-Eosin(HE)-Färbung verwendet. CD3/CD8-Färbungen hingegen sind nötig zur Sichtbarmachung von Immunzellen, differenzieren aber nur wenig zwischen unterschiedlichen Gewebearten. Vorteilhaft wäre es, wenn aus nur einem Gewebeschnitt mit einer bestimmten Färbung beide Informationen extrahiert werden könnten. In dieser Arbeit stellen wir ein Segmentierungsverfahren auf CD3/CD8-gefärbten Gewebeproben vor, das effizient zu berechnende und gleichzeitig aussagekräftige Features als Eingabe für einen Clustering- Algorithmus verwendet. In der Evaluation wird ein durchschnittlicher Accuracy-Wert von 94,44% erzielt. Dieser Wert ist vergleichbar mit den Ergebnissen verwandter State of the Art Methoden, die HE-gefärbte Proben einsetzen.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturverzeichnis

  1. 1.
    Homeyer A, Schenk A, Arlt J, et al. Practical quantification of necrosis in histological whole-slide images. Comp Med Imag Graph. 2013;37(4):313–22.CrossRefGoogle Scholar
  2. 2.
    Khan AM, El-Daly H, Rajpoot N. Ranpec: andom projections with ensemble clustering for segmentation of tumor areas in breast histology images. Med Image Understand Anal. 2012; p. 17–23.Google Scholar
  3. 3.
    Sertel O, Kong J, Shimada H, et al. Computer-aided prognosis of neuroblastoma on whole-slide images: classification of stromal development. Pattern Recognit. 2009;42(6):1093–103.CrossRefGoogle Scholar
  4. 4.
    Abbas OA. Comparisons between data clustering algorithms. Int Arab J Inf Technol. 2008; p. 320–5.Google Scholar
  5. 5.
    Pass G, Zabih R. Comparing images using joint histograms. Multimedia Syst. 1999;7(3):234–40.CrossRefGoogle Scholar
  6. 6.
    Chekkoury A, Khurd P, Ni J, et al. Automated malignancy detection in breast histopathological images. Proc SPIE. 2012;8315:831515–13.CrossRefGoogle Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2015

Authors and Affiliations

  1. 1.Visual Healthcare TechnologiesFraunhofer IGDDarmstadtDeutschland
  2. 2.GRISTechnische Universität DarmstadtDarmstadtDeutschland

Personalised recommendations