[논문 리뷰] Cancerous Nuclei Detection and Scoring in Breast Cancer Histopathological Images

Pegah Faridi, Habibollah Danyali외 2명|arXiv (Cornell University)|2016. 12. 05.

AI in cancer detection참고 문헌 26인용 수 11

한 줄 요약

이 논문은 헤마토이신-에오신(H&E) 색소 분리, 형태학적 연산, 그리고 가우시안 차분 필터링을 활용하여 유방암 조직병리 영상에서 암성 세포핵을 탐지하고 평가하는 컴퓨터 비전 기법을 제안한다. 이 방법은 핵의 이형성 평가에서 86.6%의 정확도를 달성하여 유방암 진단의 자동화된 노팅엄 등급화 기법을 향상시킨다.

ABSTRACT

Early detection and prognosis of breast cancer are feasible by utilizing histopathological grading of biopsy specimens. This research is focused on detection and grading of nuclear pleomorphism in histopathological images of breast cancer. The proposed method consists of three internal steps. First, unmixing colors of H&E is used in the preprocessing step. Second, nuclei boundaries are extracted incorporating the center of cancerous nuclei which are detected by applying morphological operations and Difference of Gaussian filter on the preprocessed image. Finally, segmented nuclei are scored to accomplish one parameter of the Nottingham grading system for breast cancer. In this approach, the nuclei area, chromatin density, contour regularity, and nucleoli presence, are features for nuclear pleomorphism scoring. Experimental results showed that the proposed algorithm, with an accuracy of 86.6%, made significant advancement in detecting cancerous nuclei compared to existing methods in the related literature.

연구 동기 및 목표

• 유방암 조직병리 영상에서 암성 세포핵의 자동 탐지 및 등급 매기기 향상.
• 노팅엄 등급 시스템의 핵심 요소인 핵의 이형성 평가 과제 해결.
• 조기 암 진단 및 예후 평가에 임상적으로 활용 가능한 안정적이고 계산 효율성이 높은 방법 개발.
• 세포핵 면적, 염색체 조밀도, 윤곽 규칙성, 핵소 존재 여부 등의 다중 형태학적 특징을 통합된 평가 프레임워크에 통합.

제안 방법

• 예비 처리 단계에서 헤마토이신과 에오신 성분을 분리하기 위해 H&E 색소 분리를 수행하여 세포핵의 가시성 향상.
• 예비 처리된 영상에 형태학적 연산을 적용하여 세포핵 경계를 탐지하고 구조적 세부 정보 강화.
• 세포핵 중심을 강조하고 세그멘테이션 정확도를 향상시키기 위해 가우시안 차분(Difference of Gaussian, DoG) 필터 적용.
• 세그멘테이션된 세포핵에서 면적, 염색체 조밀도, 윤곽 규칙성, 핵소 존재 여부 등의 세포핵 특징 추출.
• 노팅엄 등급 시스템의 핵의 이형성 등급에 이 특징들을 매핑하는 평가 메커니즘 설계.
• 정확도를 주요 성능 지표로 사용하여 조직병리 영상 데이터셋을 대상으로 방법 평가.

실험 결과

연구 질문

• RQ1 H&E 염색 유방암 조직병리 영상에서 색소 분리와 형태학적 필터링을 활용해 암성 세포핵의 자동 탐지가 향상될 수 있는가?
• RQ2 염색체 조밀도 및 윤곽 규칙성과 같은 형태학적 특징이 노팅엄 등급 시스템에서 핵의 이형성을 얼마나 잘 예측할 수 있는가?
• RQ3 기존 방법과 비교해 제안된 방법이 암성 세포핵 평가 정확도 측면에서 어떻게 성능을 내는가?
• RQ4 딥 러닝을 사용하지 않는 특징 기반 접근법이 핵의 이형성 평가에서 경쟁적인 성능을 달성할 수 있는가?

주요 결과

• 제안된 방법은 핵의 이형성 평가에서 86.6%의 정확도를 달성하여 기존 문헌의 방법들을 능가했다.
• H&E 색소 분리가 세포핵과 배경 간 대비를 크게 향상시켜 세그멘테이션의 신뢰성 향상에 기여했다.
• 형태학적 연산과 가우시안 차분 필터의 통합이 세포핵 중심과 경계를 효과적으로 탐지하는 데 기여했다.
• 염색체 조밀도와 윤곽 규칙성이 양성과 악성 세포핵을 구분하는 강력한 분류 특징이 되었다.
• 핵소 존재 여부가 안정적으로 탐지되었으며, 이는 평가 정확도 향상에 기여했다.
• 딥 러닝이나 광범위한 학습 데이터가 필요 없이도 실제 조직병리 영상에서 뛰어난 안정성을 보였다.