留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于多种染色病理图像的非炎性主动脉中膜变性计算机辅助诊断方法

汪昊 孙中杰 陈东 万涛 梁智勇 连国亮 董方 龚珊珊 季君予 秦曾昌

汪昊, 孙中杰, 陈东, 万涛, 梁智勇, 连国亮, 董方, 龚珊珊, 季君予, 秦曾昌. 基于多种染色病理图像的非炎性主动脉中膜变性计算机辅助诊断方法[J]. 协和医学杂志, 2022, 13(4): 590-596. doi: 10.12290/xhyxzz.2022-0170
引用本文: 汪昊, 孙中杰, 陈东, 万涛, 梁智勇, 连国亮, 董方, 龚珊珊, 季君予, 秦曾昌. 基于多种染色病理图像的非炎性主动脉中膜变性计算机辅助诊断方法[J]. 协和医学杂志, 2022, 13(4): 590-596. doi: 10.12290/xhyxzz.2022-0170
WANG Hao, SUN Zhongjie, CHEN Dong, WAN Tao, LIANG Zhiyong, LIAN Guoliang, DONG Fang, GONG Shanshan, JI Junyu, QIN Cengchang. Computer-aided Diagnostic Methods for Medial Degeneration in Non-inflammatory Aorta Based on Multi-stained Pathological Images[J]. Medical Journal of Peking Union Medical College Hospital, 2022, 13(4): 590-596. doi: 10.12290/xhyxzz.2022-0170
Citation: WANG Hao, SUN Zhongjie, CHEN Dong, WAN Tao, LIANG Zhiyong, LIAN Guoliang, DONG Fang, GONG Shanshan, JI Junyu, QIN Cengchang. Computer-aided Diagnostic Methods for Medial Degeneration in Non-inflammatory Aorta Based on Multi-stained Pathological Images[J]. Medical Journal of Peking Union Medical College Hospital, 2022, 13(4): 590-596. doi: 10.12290/xhyxzz.2022-0170

基于多种染色病理图像的非炎性主动脉中膜变性计算机辅助诊断方法

doi: 10.12290/xhyxzz.2022-0170
基金项目: 

国家自然科学基金 61876197

北京市医院管理局临床技术创新项目 XMLX201814

详细信息
    通讯作者:

    陈东, E-mail: azchendong@163.com

  • 中图分类号: R605.97

Computer-aided Diagnostic Methods for Medial Degeneration in Non-inflammatory Aorta Based on Multi-stained Pathological Images

Funds: 

National Natural Science Foundation of China 61876197

The Clinical Technical Innovation Project of Beijing Hospitals Authority XMLX201814

More Information
  • 摘要:   目的  探讨建立非炎性主动脉中膜变性(medial degeneration, MD)患者多种染色病理图像计算机辅助诊断模型的可行性。  方法  回顾性收集2018年7—12月首都医科大学附属北京安贞医院诊治胸主动脉瘤及夹层患者非炎性病变的主动脉手术标本病理切片。将其以400倍率扫描为全视野数字图像(whole slide image, WSI)后由2名病理科医师对病变进行标注。按6:1的比例将标注后的WSI图像随机分为训练集和测试集。采用训练集数据对SE-EmbraceNet进行训练,构建多种染色病理图像MD多分类[包括层内型黏液样细胞外基质聚集(intralamellar mucoid extracellular matrix accumulation,MEMA-I)、穿透型黏液样细胞外基质聚集(translamellar mucoid extracellular matrix accumulation,MEMA-T)、弹力纤维断裂和/或缺失(elastic fiber fragmentation and/or loss,EFFL)和平滑肌细胞核缺失(smooth muscle cell nuclei loss,SMCNL)]模型,并采用准确率、灵敏度、精确率、F1值对模型的分类效果进行评价。  结果  共入选符合纳入和排除标准的胸主动脉瘤及夹层患者非炎性主动脉病变手术标本病理切片530张。总提取5265组图像,每组均包含同一病变部位HE染色、特殊染色(弹力纤维/VanGieson、Masson、阿辛蓝/过碘酸雪夫)及平滑肌肌动蛋白5种染色病理图像。其中,训练集图像4513组,包括SMCNL 987组、EFFL 2013组、MEMA-I 1337组及MEMA-T 176组;测试集图像752组,包括SMCNL 166组、EFFL 335组、MEMA-I 222组及MEMA-T 29组。模型在测试集中显示出良好的MD分类性能,整体准确率为96.54%(726/752)。其中,对EFFL的识别能力最强,准确率、灵敏度、精确率和F1值均≥98.51%,其次为SMCNL,各评价指标均≥97.59%,亦具有较好的分类能力。  结论  本研究构建的基于多种染色病理图像MD分类模型具有较高的分类准确性和较好的泛化能力,有望应用于非炎性主动脉病变的辅助诊断。
    作者贡献:汪昊、孙中杰负责模型构建、测试及论文撰写;董方、陈东负责切片审阅及论文设计、修订;梁志勇、万涛负责论文审校;连国亮、龚珊珊负责资料收集与数据整理;季君予、秦曾昌负责技术支持。
    利益冲突:所有作者均声明不存在利益冲突
  • 图  1  同一病变部位5种不同染色的中膜变性病理图像(×20)

    A.常规HE染色;B.弹力纤维/VanGieson(弹力/VG)染色示弹力纤维呈黑色,断裂、排列紊乱(箭头);C.阿辛蓝/过碘酸雪夫(AB/PAS)染色示黏液聚集呈蓝色(箭头);D.Masson染色示胶原纤维呈蓝色(黑色箭头),肌纤维呈红色(红色箭头);E.平滑肌肌动蛋白(SMA)染色示平滑肌纤维呈棕黄色(箭头)

    图  2  颜色归一化处理前后的病理图像比较

    A.处理前;B.处理后

    图  3  模型对测试集主动脉中膜变性病理图像的四分类结果

    SMCNL: 平滑肌细胞核缺失;EFFL: 弹力纤维断裂和/或缺失;MEMA-I: 层内型黏液细胞样细胞外基质聚集;MEMA-T: 穿透型黏液样细胞外基质聚集

    表  1  模型在测试集中的评价结果(%)

    病变类型 准确率 灵敏度 精确率 F1值
    SMCNL 99.07 97.59 98.18 97.88
    EFFL 98.67 98.51 98.51 98.51
    MEMA-I 96.94 95.05 94.62 94.83
    MEMA-T 98.40 79.31 79.31 79.31
    SMCNL、EFFL、MEMA-I、MEMA-T:同图 3
    下载: 导出CSV
  • [1] Ostberg NP, Zafar MA, Ziganshin BA, et al. The Genetics of Thoracic Aortic Aneurysms and Dissection: A Clinical Perspective[J]. Biomolecules, 2020, 10: 182. doi:  10.3390/biom10020182
    [2] Halushka MK, Angelini A, Bartoloni G, et al. Consensus statement on surgical pathology of the aorta from the Society for Cardiovascular Pathology and the Association for European Cardiovascular Pathology: Ⅱ. Noninflammatory degenerative diseases-nomenclature and diagnostic criteria[J]. Cardiovasc Pathol, 2016, 25: 247-257. doi:  10.1016/j.carpath.2016.03.002
    [3] 汪昊, 陈东, 万涛, 等. 深度学习神经网络在非炎性主动脉中膜变性病理图像分类中的应用[J]. 中华病理学杂志, 2021, 50: 620-625. doi:  10.3760/cma.j.cn112151-20201205-00902

    Wang H, Chen D, Wan T, et al. Application of deep learning neural network in pathological image classification of non-inflammatory aortic membrane degeneration[J]. Zhonghua Binglixue Zazhi, 2021, 50: 620-625. doi:  10.3760/cma.j.cn112151-20201205-00902
    [4] 孙中杰, 万涛, 陈东, 等. 深度学习在主动脉中膜变性病理图像分类中的应用[J]. 计算机应用, 2021, 41: 280-285. https://www.cnki.com.cn/Article/CJFDTOTAL-JSJY202101045.htm

    Sun ZJ, Wan T, Chen D, et al. Application of deep learning in histopathological image classification of aortic medial degeneration[J]. Jisuanji Yingyong, 2021, 41: 280-285. https://www.cnki.com.cn/Article/CJFDTOTAL-JSJY202101045.htm
    [5] Li C, Li XT, Rahaman MM, et al. A comprehensive review of computer-aided whole-slide image analysis: from datasets to feature extraction, segmentation, classification and detection approaches[J]. Artif Intell Rev, 2022. https://doi.org/10.1007/s10462-021-10121-0. doi:  10.1007/s10462-021-10121-0
    [6] Tosta TA, de Faria PR, Neves LA, et al. Color normaliza-tion of faded H&E-stained histological images using spectral matching[J]. Comput Biol Med, 2019, 111: 103344. doi:  10.1016/j.compbiomed.2019.103344
    [7] 万涛, 秦曾昌, 孙中杰, 等. 基于深度学习的多种染色病理图像分类方法及系统: CN112348059A[P]. 2021-02-09.
    [8] Hu J, Shen L, Albanie S, et al. Squeeze-and-Excitation Networks[J]. IEEE Trans Pattern Anal Mach Intell, 2020, 42: 2011-2023. doi:  10.1109/TPAMI.2019.2913372
    [9] Srivastava N, Hinton G, Krizhevsky A, et al. Dropout: A Simple Way to Prevent Neural Networks from Overfitting[J]. J Mach Learn Res, 2014, 15: 1929-1958.
    [10] 张光磊, 范广达, 冯又丹, 等. 一种基于深度学习的胰腺癌病理图像分类方法及系统: CN113538435A[P]. 2021-10-22.
    [11] van Rijthoven M, Balkenhol M, Siliŋa K, et al. HookNet: Multi-resolution convolutional neural networks for semantic segmentation in histopathology whole-slide images[J]. Med Image Anal, 2021, 68: 101890. doi:  10.1016/j.media.2020.101890
    [12] Wang X, Fang Y, Yang S, et al. A hybrid network for automatic hepatocellular carcinoma segmentation in H&E-stained whole slide images[J]. Med Image Anal, 2021, 68: 101914. doi:  10.1016/j.media.2020.101914
    [13] Lin H, Chen H, Wang X, et al. Dual-path network with synergistic grouping loss and evidence driven risk stratifica-tion for whole slide cervical image analysis[J]. Med Image Anal, 2021, 69: 101955.
    [14] Xue Y, Ye J, Zhou Q, et al. Selective synthetic augmenta-tion with HistoGAN for improved histopathology image classification[J]. Med Image Anal, 2021, 67: 101816.
    [15] Mohammadi S, Mohammadi M, Dehlaghi V, et al. Automa-tic Segmentation, Detection, and Diagnosis of Abdominal Aortic Aneurysm (AAA) Using Convolutional Neural Networks and Hough Circles Algorithm[J]. Cardiovasc Eng Technol, 2019, 10: 490-499.
  • 加载中
图(3) / 表(1)
计量
  • 文章访问数:  374
  • HTML全文浏览量:  123
  • PDF下载量:  23
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-04-01
  • 录用日期:  2022-05-27
  • 刊出日期:  2022-07-30

目录

    /

    返回文章
    返回

    【温馨提醒】近日,《协和医学杂志》编辑部接到作者反映,有多名不法人员冒充期刊编辑发送见刊通知,鼓动作者添加微信,从而骗取版面费的行为。特提醒您,本刊与作者联系的方式均为邮件通知或电话,稿件进度通知邮箱为:mjpumch@126.com,编辑部电话为:010-69154261,请提高警惕,谨防上当受骗!如有任何疑问,请致电编辑部核实。谢谢!