在人類的各種癌癥中,乳腺癌一直是威脅女性健康的惡疾之一。而相當(dāng)程度的乳腺癌患者中存在著人類表皮生長(zhǎng)因子受體2（HER2）基因擴(kuò)增或蛋白高表達(dá)的情況,稱為HER2陽性乳腺癌。作為一個(gè)獨(dú)立預(yù)后指標(biāo),它對(duì)患者的治療方案選擇起著指導(dǎo)性作用。HER2分?jǐn)?shù)的評(píng)定主要取決于浸潤(rùn)性癌細(xì)胞膜的染色程度與比例。過去,它的評(píng)定完全是基于人工觀察的方式,不僅工作強(qiáng)度大,準(zhǔn)確率在很大程度上也依賴于診斷者的從醫(yī)經(jīng)驗(yàn)與主觀意識(shí)。基于此,本文主要研究在降低人為工作量和保證檢測(cè)精度的前提下,優(yōu)化用于HER2圖像增強(qiáng)的卷積邊緣檢測(cè)與病理分類的CNN模型。本文的主要研究工作如下:（1）研究基于HER2病理切片的圖像特點(diǎn)與判定標(biāo)準(zhǔn),對(duì)原始切片的縮略圖進(jìn)行閾值二值化處理,并與人工標(biāo)注區(qū)域取交集,以獲取感興趣區(qū)域。并在此基礎(chǔ)上提取256×256圖塊,并用人工觀察的方式選取無明顯空白區(qū)域的圖塊,進(jìn)行約16000張圖塊的標(biāo)注。（2）以LBP、GLCM、HOG與LP、SVM兩兩結(jié)合的方式,在不同組合比例的樣本數(shù)據(jù)上,研究利用少量標(biāo)注數(shù)據(jù)自動(dòng)化標(biāo)注大量未標(biāo)記數(shù)據(jù)的可行性預(yù)處理方案,并對(duì)實(shí)驗(yàn)結(jié)果做性能優(yōu)劣的原理性分析。并選擇效果表現(xiàn)較好的... 

【文章來源】：武漢理工大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

全掃描切片標(biāo)注圖

武漢理工大學(xué)碩士學(xué)位論文132.2.2HER2分?jǐn)?shù)評(píng)定HER2分?jǐn)?shù)的評(píng)定有一套公認(rèn)的客觀標(biāo)準(zhǔn)[34]，需要用肉眼在切片上對(duì)細(xì)胞膜染色比以及程度做出分辨，極度依賴主觀的判定。0：無染色或≤10％的浸潤(rùn)癌細(xì)胞呈現(xiàn)不完整的、微弱的細(xì)胞膜染色(a)；1+：>10%的浸潤(rùn)癌細(xì)胞呈現(xiàn)不完整的、微弱的細(xì)胞膜染色(b)；2+：有兩種情況，第一種為10%的浸潤(rùn)癌細(xì)胞呈現(xiàn)不完整弱至中等強(qiáng)度的細(xì)胞膜染色，第二種為≤10%的浸潤(rùn)癌細(xì)胞呈現(xiàn)強(qiáng)而完整的細(xì)胞膜染色(c)；3+：＞10%的浸潤(rùn)癌細(xì)胞呈現(xiàn)強(qiáng)而完整的細(xì)胞膜染色(d)。分?jǐn)?shù)0與分?jǐn)?shù)3+于肉眼觀察程度上有著明顯區(qū)別，但0與1+，1+與2+之間特征差距并不是很明顯。其中，2+為HER2不確定病理，即無法明確HER2的基因擴(kuò)增狀態(tài)，需進(jìn)一步應(yīng)用FISH的方法進(jìn)行HER2基因擴(kuò)增狀態(tài)檢測(cè)。圖2-3為20×物鏡放大倍數(shù)下HER2四種分?jǐn)?shù)的蛋白水平表達(dá)效果圖。(a)0(b)1+(c)2+(d)3+圖2-320×放大倍數(shù)下HER2不同分?jǐn)?shù)的蛋白水平表達(dá)

武漢理工大學(xué)碩士學(xué)位論文142.3實(shí)驗(yàn)數(shù)據(jù)集的預(yù)處理因?yàn)榫矸e神經(jīng)網(wǎng)絡(luò)的訓(xùn)練需要大量已經(jīng)標(biāo)注的數(shù)據(jù)集，一般是以數(shù)萬記以上。一般該過程是完全按照人工的方式，用肉眼篩選來進(jìn)行標(biāo)簽標(biāo)注，但其工作量過于龐大，且不能完全保證篩選出的HER2圖像特征明顯。故在此，本文旨在將傳統(tǒng)特征提取算法結(jié)合分類算法，以求利用少量的樣本達(dá)到HER2數(shù)據(jù)集預(yù)分類并自動(dòng)化標(biāo)注的目的，并做實(shí)驗(yàn)對(duì)比分析，從中選取合適的算法為后續(xù)CNN的訓(xùn)練標(biāo)注完備的數(shù)據(jù)集。其數(shù)據(jù)集預(yù)處理標(biāo)注過程如圖2-4所示。圖2-4實(shí)驗(yàn)數(shù)據(jù)預(yù)處理流程圖2.3.1傳統(tǒng)特征提取（1）LBP（LocalBinaryPattern，局部二值模式）LBP特征一般定義算子為3*3的矩陣，閾值為窗口中心像素的灰度值，并與相鄰8個(gè)像素的灰度值進(jìn)行比較，小的置為0，大的置為1，相當(dāng)于二值化處理。而3*3矩陣除去中心閾值點(diǎn)后，還有8位。這8位數(shù)以順時(shí)針的方向組合為一二進(jìn)制數(shù)，稱為L(zhǎng)BP碼。轉(zhuǎn)為十進(jìn)制后，則為該中心元素點(diǎn)的LBP值。如圖2-5的(a)圖所示。因?yàn)閭鹘y(tǒng)LBP算子不能滿足HER2圖像中不同頻率紋理與尺寸的需要。且為了適應(yīng)不同尺度的紋理特征，并達(dá)到灰度和旋轉(zhuǎn)不變性的要求，本文此處用的是圓形LBP算子，為L(zhǎng)BP的一個(gè)改進(jìn)版本，如圖2-5的(b)圖所示。黑色實(shí)心圓點(diǎn)為采樣點(diǎn)，中心空心白點(diǎn)為中心像素點(diǎn)，其半徑分別為2和1。圓形鄰域的算子在一定程度上滿足了HER2圖像下對(duì)不同紋理特征的要求。其紋理特征主要來自于圓邊上的采樣點(diǎn)，本文此處選擇(b)圖左邊的LBP算子，采樣點(diǎn)為16，代表著LBP碼由16位二進(jìn)制數(shù)組成，最多的情況可有65536種。但由于采樣過后圖像的維度不變，無法直接用以后續(xù)的分類，故利用統(tǒng)計(jì)直方圖建立一個(gè)0-65535的LBP值分布。既保留特征信息之余，也達(dá)到了降維的目的。


本文編號(hào)：3359269