Zusammenfassung
Mit zytopathologischen Methoden kann Krebs sehr früh schon anhand geringfügiger Normabweichungen in einzelnen Zellen erkannt werden. Nachteil ist oft der derzeit benötigte Zeitaufwand eines Zytopathologen, der insbesondere einen Einsatz als Screening-Verfahren ausschliesst. Eine wichtige zytologische Diagnosemethode ist die DNS-Bildzytometrie. Um deren Zeitaufwand zu reduzieren, müssen für die Messung relevante Zellen automatisch detektiert werden. Für Epithelien der Mundschleimhaut vergleichen wir daher verschiedene Varianten des k-Nächste-Nachbarn-Klassifikators (kNN), um zwischen sicher gesunden und krebsverdächtigen Zellbildern zu unterscheiden. Geeignete Merkmalskombinationen wurden durch das Floating-Search-Verfahren ausgewählt.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literaturverzeichnis
Böcking A, et al. Consensus report of the ESACP task force on standardization of diagnostic DNA image cytometry. Anal Cell Pathol 1995;8(1):67–74.
Wittenberg T, Neubauer K, Küblbeck C, et al. Automatische Tumorerkennung bei unterschiedlichen Organen mittels Berechnung und Klassifikation von Texturmerkmalen. Procs BVM 2001; 377–381.
Fischer B, Palm C, Lehmann TM, et al. Selektion von Farbtexturmerkmalen zur Tumorklassifikation dermatoskopischer Fotografien. Procs BVM 2002; 338–341.
Zhou ZH, Jiang Y, Yang YB, et al. Lung cancer cell identification based on artificial neural network ensembles. Artif Intell Med 2002;24(1):25–36.
Rodenacker K, Bengtsson E. A feature set for cytometry on digitized microscopic images. Anal Cell Pathol 2003;25(1):1–36.
Young IT, Verbeek PW, Mayall BH. Characterization of chromatin distribution in cell nuclei. Cytometry 1986;7(5):467–474.
Reiss TH. Recognizing Planar Objecs Using Invariant Image Features. Springer; 1991.
Suk T, Flusser J. Graph Method for Generating Affine Moment Invariants. In: Procs ICPR. vol. 2; 2004. 192–195.
Pudil P, Novovičová J, Kittler J. Floating search methods in feature selection. Pattern Recognition Letters 1994;15(11):1119–1125.
Fukunaga K. Statistical Pattern Recognition. Academic Press; 1990.
Duda RO, et al. Pattern Classification. John Wiley & Sons; 2001.
Pluim JPW, Maintz JBA, Viergever MA. Mutual information based registration of medical images: a survey. IEEE Trans Med Imaging 2003;22(8):986–1004.
Keller JM, Gray MR, Givens JA. A Fuzzy K-Nearest Neighbor Algorithm. IEEE Trans Syst Man Cybern 1985;SMC-15(4):580–585.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2007 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Schneider, T., Bell, A., Herberich, G., Meyer-Ebrecht, D., Böcking, A., Aach, T. (2007). Chromatinmuster-basierte Zellklassifizierung für die DNS-Bildzytometrie an Mundschleimhaut-Abstrichen. In: Horsch, A., Deserno, T.M., Handels, H., Meinzer, HP., Tolxdorff, T. (eds) Bildverarbeitung für die Medizin 2007. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-540-71091-2_52
Download citation
DOI: https://doi.org/10.1007/978-3-540-71091-2_52
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-71090-5
Online ISBN: 978-3-540-71091-2
eBook Packages: Computer Science and Engineering (German Language)