Αναγνώριση προτύπων από δεδομένα ιστοπαθολογικών εικόνων καρκίνου του μαστού διαβάθμισης (Grade I, II, III) με υπολογιστικές μεθόδους

Ευαγγελοπούλου, Χριστίνα

Pattern recognition in histological image data of breast cancer (Grade I, II, III) with computational methods

Πτυχιακή εργασία

Author

Ευαγγελοπούλου, Χριστίνα

Date

2024-03-20

Advisor

Ninos, Konstantinos

Πτυχιακή εργασία (1.884Mb)

Δήλωση Συγγραφέα (171.2Kb)

Keywords

p63 ; Καρκίνος του μαστού ; Αναγνώριση προτύπων ; Τμηματοποίηση εικόνας ; Χαρακτηριστικά υφής

Abstract

Ο καρκίνος του μαστού είναι η συχνότερη μορφή καρκίνου στις γυναίκες παγκοσμίως με τον πολλαπλασιασμό των περιστατικών να αυξάνει τις απαιτήσεις για την καλύτερη διαχείριση της νόσου. Μέρος των προκλήσεων που αντιμετωπίζουν οι εργαζόμενοι στο χώρο της υγείας οφείλονται στην μεγάλη ετερογένεια του καρκίνου του μαστού τόσο στη μορφολογία όσο και στο μοριακό επίπεδο. Στην παρούσα ερευνητική εργασία εφαρμόζονται μέθοδοι αναγνώρισης προτύπων σε ιστοπαθολογικές εικόνες καρκίνου του μαστού διαφόρων διαβαθμίσεων (Grade I,II,III). Οι ιστοπαθολογικές εικόνες έχουν βαφτεί αρχικά με αιματοξυλίνη ηωσίνη και με ανοσοιστοχημική χρώση για την ανάδειξη των πυρήνων που εκφράζουν την πρωτεΐνη p63. Οι ιστοπαθολογικές εικόνες ψηφιοποιήθηκαν και πραγματοποιήθηκαν μέθοδοι επεξεργασίας εικόνας και μη εποπτευόμενης ταξινόμησης για την τμηματοποίηση της εικόνας και τελικά την επιλογή των πυρήνων που έχουν εκφραστεί με την p63 χρώση. Σε κάθε περιοχή ενδιαφέροντος επιλέχθηκαν 20 εκφρασμένοι πυρήνες από τους οποίους προέκυψαν ορισμένα χαρακτηριστικά υφής πρώτης και δεύτερης τάξης. Τα χαρακτηριστικά αυτά εξετάστηκαν για τη διαχωριστική τους ικανότητα μεταξύ των διαφορετικών βαθμών κακοήθειας και αντλήθηκαν ορισμένα συμπεράσματα από τα θηκογράμματα που προέκυψαν.

Abstract

Breast cancer is the most common cancer in women globally with its rising occurrence increasing the requirements for a better management of the disease. Part of the challenges faced by healthcare professionals are due to breast cancer’s heterogenous nature in both it’s morphological features and its molecular levels. In this research paper pattern recognition methods are being applied to histopathological images of varying grades (Grade I,II,III). The images were initially stained using hematoxylin and eosin stain as well as immunohistochemical stain to highlight the nuclei expressing the p63 protein. The histopathological images were later digitalised with image processing methods and unsupervised classification being applied to them for the segmentation of the images and the selection of the nuclei expressing the p63 protein. In each region of interest 20 nuclei were selected from which some texture features were extracted. These features were evaluated for their ability to differentiate between different grades of malignancy and some conclusions were drawn from the created boxplots.