Automatic identification of pathological markers in histopathological images
Cargando...
Autores
Romo Bucheli, David Edmundo
Director
Tipo de contenido
Document language:
Español
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
La variabilidad inter e intra sujeto es un problema frecuente en muchas tareas asociadas al examen de muestras histopatológicas. Esta variabilidad puede incidir negativamente en la evaluación de patologías relacionadas con el cáncer. El desarrollo de técnicas para el análisis automático de imágenes y de herramientas de soporte al diagnóstico en patología tiene como objetivo reducir el impacto de la variabilidad inter/intra sujeto mediante la obtención de medidas y estimaciones cuantitativas. Estas medidas permiten una evaluación y clasificación más precisa de las enfermedades observables en láminas virtuales. El principal problema abordado en esta tesis consiste en evaluar la correlación de la identificación automática de marcadores patológicos con la agresividad del cáncer. Así, un conjunto de clasificadores son entrenados para detectar marcadores patológicos conocidos. Los clasificadores son posteriormente usados para cuantificar la presencia de los marcadores patológicos. Finalmente, las mediciones resultantes son correlacionadas con el riesgo de recurrencia del cáncer. Los resultados muestran que los detectores automáticos son capaces de cuantificar los patrones que muestran diferencias entre diferentes grupos de riesgo (Texto tomado de la fuente)
Abstract
The inter and intra subject variability is a common problem in several tasks associated to the examination of histopathological samples. This variability might hinder the evaluation of cancerous diseases. The development of automatic image analysis techniques and computerized aided diagnostic tools in pathology aims to reduce the impact of such variability by offering quantitative measurements and estimations. These measurements allow an accurate evaluation and classification of the diseases in virtual slide images. The main problem addressed in this thesis is evaluating the correlation of the automated identification of pathological markers with cancer malignancy and aggresivenes. Hence, a set of classifier models are trained to detect known pathological patterns. The classifiers are then used to quantify the presence of the pathological markers. Finally, the resulting measurements are correlated with the cancer risk recurrence. Results show that the automated detectors are able to quantify patterns that show differences across several cancer risk groups.