基于两步聚类和随机森林的乳腺腺管自动识别方法

摘要：

腺管的自动识别在乳腺癌的组织病理学诊断中十分关键,因为腺管密度是乳腺癌分级中的一个重要因子.腺管由一个周围充满细胞质的中心管腔以及管腔周围均匀环绕的细胞核组成.若管腔、细胞质、细胞核在空间位置上接近,则意味着这可能是一个腺管,但是这种识别方法会因为乳腺组织切片中存在脂肪、气泡以及其他类似管腔的对象而出现假阳性错误.为了解决上述问题,提出基于二次聚类与随机森林的腺管自动识别方法.首先通过一次聚类和二次聚类构建出待分割图片;然后通过形态学操作对图片进行处理,并在此基础上进行分割,进而构建候选腺管,利用中心管腔与其周围细胞核的空间位置关系以及一些统计特征来描述腺管;最后通过随机森林分类算法进行分类.实验结果表明,所提算法可以达到86% 以上的准确率,为乳腺癌的自动分级奠定了基础.

关键词：乳腺癌、病理图像、病理诊断、腺管分割、腺管识别、形态学操作、计算机辅助诊断

所属期刊栏目：45

分类号：TP751(遥感技术)

在线出版日期：2018-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：247-252