科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的 针对乳腺癌免疫组化全视野数字图像(whole slide image, WSI),提出一种智能化定量分析Ki-67指数的方法。方法 回顾性纳入2020年1—12月北京协和医院乳腺癌患者的病理切片，将其以40倍率扫描为WSI图像，并由2名病理科医生按照2019年国际乳腺癌Ki-67工作组制订的指南对Ki-67指数进行人工判读。按5∶8的比例随机将WSI图像分为A、B两个数据集(A数据集按7∶1∶2比例随机分为训练集、验证集和测试集)。病理科医生对A数据集人工标注热点区域后，40倍视野下将每张WSI随机裁剪为2000个512×512像素的图块，随机选取其中的50个图块，对肿瘤细胞进行标注并计算Ki-67指数。采用条件随机场模型融合图块的空间特征，经ResNet34预训练模型进行特征提取后构建热点区域识别模型，并采用准确率评价其性能。在热点区域内，40倍视野下随机选取10个视野，模型可自动完成细胞分类，并计算Ki-67指数均值。以人工判读结果为金标准，计算模型对B数据集Ki-67指数评估结果的准确率，并采用Bland-Altman法对人工判读与模型分析结果进行一致性评价。结果 共入选符合纳入和排除标准的乳腺癌患者病理切片132张。其中A数据集50张(训练集、验证集和测试集分别为35张、5张、10张，分别包含图块70 000个、10 000个、20 000个),B数据集82张。模型对测试集热点区域识别的平均准确率为81.5%,对B数据集Ki-67指数计算结果的准确率为90.2%。Bland-Altman法分析显示，人工判读和模型计算的Ki-67指数的一致性良好。结论 本研究提出智能化定量分析Ki-67指数的方法准确率高，可辅助病理医师实现Ki-67指数的高效判读。
- 单位
