基于病理图像的雌激素受体阳性乳腺癌复发风险预测研究

项目名称： 基于病理图像的雌激素受体阳性乳腺癌复发风险预测研究

项目编号： No.61273259

项目类型： 面上项目

立项/批准年度： 2013

项目学科： 自动化技术、计算机技术

项目作者： 徐军

作者单位： 南京信息工程大学

项目金额： 82万元

中文摘要： 21基因检测法或OncotypeDX用于预测雌激素受体阳性乳腺癌患者仅接受内分泌（它莫西芬）治疗的复发风险，该检测法在临床上正被肿瘤医生广泛接受。但21基因检测法昂贵且需要专门的仪器设备，目前除部分发达国家外并没有被广泛地推广。 　本课题旨在研究一种可以替代21基因检测的计算机辅助预后方法。该方法基于女性乳腺数字化病理组织图像，综合运用计算机视觉与机器学习算法,并结合医生的分析,预测患者的复发风险。研究内容包括：从病理组织切片中提取特征，在保证患者病理图像间的类关系不变情况下，运用非线性降维算法把高维特征降到低维。低维流形进一步被展开到一维并定义归一化的一维尺度。基于该尺度和病理医生标注的训练样本，自动地对患者病理图像定义从0（最低风险）到1（最高风险）的连续分值。通过学习恰当的截断阈值，患者被区分为低风险和高风险，其中低风险对应于仅需内分泌治疗且反应良好的患者，她们并不需要接受辅助化疗。

中文关键词： 雌激素受体阳性乳腺癌；组织病理图像计算；计算机辅助预后；深度学习；复发风险预测

英文摘要： Currently one assay, Oncotype Dx from Genomics Health, is being widely used clinically to guide the treatment of ER+ BCa. However, Oncotype DX is expensive, requires specialized facilities, and is not widely available outside some of the developed countries. We propose an alternative, inexpensive means for identifying the subset of women with ER+ breast cancer for whom hormonal therapy alone is sufficient, and adjuvant chemotherapy is not required. Our novel approach uses computer vision and machine learning techniques to extract information from digitized histological sections of breast tissue (e.g. graphical and morphological arrangement of nuclei, lymphocytes, textural appearance, and tubule density), yielding a continuous image-based risk score (IbRiS) from zero to one that predicts the risk of recurrence. By choosing the appropriate cutoff value, IbRiS can be used to stratify ER+ patients into two classes: low and high risk. A low risk identifies those women who would respond well to hormonal therapy alone.

英文关键词： Estrogen Positive Breast Cancer；Histopathological Image Computing；Computer-aided Prognosis；Deep Learning；Recurrence Prediction