不同分类器对苏木精-伊红染色在早期胃癌组织病理图像分级研究

• 作者: 罗志飞 胡嘉影 蔡仁桑 陈梦柚 陈雨萍 马梦晨 黄幼生
• 来源期刊: 中国医学装备
• 学科: 医学
• 关键词: 早期胃癌 癌巢分割 细胞核分割 组织学分级 机器学习算法 分类器
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 技术评价研究
• 页码范围: 63-68
• 页数: 6页
• 分类号: R735.2
• 语种: 中文
• DOI: 10.3969/J.ISSN.1672-8270.2020.12.016

摘要

目的:研究不同分类器对苏木精-伊红(HE)染色的早期胃癌组织病理图像分类效果及病理分级的价值.方法:收集医院病理科原始HE染色的420幅胃癌组织病理图像,采用逻辑回归(LR)、支持向量机(SVM)和朴素贝叶斯(NB)3个机器学习算法分类器,对图像进行基于像素分类的癌巢分割.对比最佳的分类器对黏膜内癌[cT1a(M)]和黏膜下癌[cT1b(SM)]患者在像素级别特征(PLF)、对象级别特征(OLF)及两者组合(PLF+OLF)上的分类准确率.结果:SVM分类器在癌巢分割的查准率和查全率高于LR和NB分类器;SVM分类器在(PLF+OLF)上的准确率(76.7％)高于单独PLF(71.9％)与OLF(70.8％).cT1a(M)被正确分类的准确率为69.7％,cT1b(SM)被正确分类的准确率为82.1％.结论:在HE染色早期胃癌组织病理图像中癌巢分割中SVM分类器的查准率和查全率较高,同时其对组织学分级效果较好.HE染色的早期胃癌组织病理图像的组织学分级可以在一定程度上代表患者的组织学分级.