新的统计方法为癌症诊断提供了自动有丝分裂细胞检测

华威大学开发的系统,承诺将客观性和自动化癌症分级过程用于确定治疗的攻击性给病人。

有丝分裂细胞,细胞分裂产生新细胞,是一个关键指标histopathologists用于癌症诊断和分级。

目前占主导地位的制度在英国和世界的很多地方——诺丁汉分级系统是基于专家组织样本的分析来确定癌症的严重性。

作为一个主观系统依赖于视觉分析,它可以产生实质性的变化诊断评估,导致低病理学家之间的协议。

华威的研究人员进行的一项初步研究发现有19%的协议识别的三个病理学家之间有丝分裂细胞。

需要更多的客观性,华威大学团队已经开发出一种三步方法需要一个图像的组织样本和统计模型适用于检测细胞有丝分裂的形象。

纳西尔博士Rajpoot来自华威大学计算机科学系说:“人们早就认识到,有必要增加客观性在癌症分级的过程。

“这个评分过程决定了治疗提供给人被诊断出患有癌症,所以它是至关重要的,以防止病人接受不必要的积极治疗。

“我们相信我们的方法需要一个重要的一步通过提供客观、自动技术协助乳腺癌分级的病理学家。”

该方法包括三个关键步骤。首先这段肿瘤边缘,这一步是至关重要的有丝分裂细胞检测的准确性。

其次它统计模型的强度分布有丝分裂和non-mitotic细胞在肿瘤领域,忽视了non-tumorous地区。因此这一步识别潜在的有丝分裂细胞在肿瘤领域。

最后看着周围的架构方法这些潜在的有丝分裂细胞候选人为了证实他们是有丝分裂细胞,从而减少可能的假警报的数量。

虽然有算法存在提供自动化在有丝分裂细胞的某些部分检测过程中,华威是第一个开发的方法提供了一个全面的解决方案解决整个过程。

中概述的方法是一项研究关注乳腺癌组织学图像在一次重要的会议上公布的。

虽然迄今为止的研究集中在乳腺癌组织学图像,科学家们相信,这种方法可以应用到其他类型的癌症。

在一个试点研究,该方法已经成功地测试两个专家病理学家的有丝分裂细胞的识别。大规模试验目前正在进行和已经提出专利申请。研究人员还希望与工业合作伙伴。