Effective improvement of cancer diagnostics and prognostics by computer-assisted cell image analysis

Friedrich, David; Leibe, Bastian; Böcking, Alfred; Meyer-Ebrecht, Dietrich

doi:HT018843272

Effective improvement of cancer diagnostics and prognostics by computer-assisted cell image analysis

Friedrich, David

2015 & 2016

Verantwortlichkeitsangabevorgelegt von David Friedrich

ImpressumAachen : Publikationsserver der RWTH Aachen University 2015

Aachen, Techn. Hochsch., Diss., 2015

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2016

Genehmigende Fakultät
Fak06

Hauptberichter/Gutachter
Meyer-Ebrecht, Dietrich (Thesis advisor)^RWTH* ; Leibe, Bastian (Thesis advisor) ; Böcking, Alfred (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2015-07-15

Online
URN: urn:nbn:de:hbz:82-rwth-2015-077604
URL: https://publications.rwth-aachen.de/record/565286/files/565286.pdf
URL: https://publications.rwth-aachen.de/record/565286/files/565286.pdf?subformat=pdfa

Einrichtungen

Lehrstuhl für Bildverarbeitung (611710)

Inhaltliche Beschreibung (Schlagwörter)
Active Surveillance (frei) ; DNA Bildzytometrie (frei) ; DNA Image Cytometry (frei) ; Elektrotechnik, Elektronik (frei) ; Identifikation von Krebszellen (frei) ; Krebsfrühdiagnose (frei) ; Krebsprognose (frei) ; Mundhöhlenkarzinom (frei) ; Mustererkennung (frei) ; Prostatakarzinom (frei) ; aktive Überwachung (frei) ; computer vision (frei) ; digital pathology (frei) ; digitale Bildverarbeitung (frei) ; digitale Pathologie (frei) ; early cancer diagnosis (frei) ; identification of cancer cells (frei) ; machine learning (frei) ; oral cancer (frei) ; prognosis of cancer (frei) ; prostate cancer (frei)

Thematische Einordnung (Klassifikation)
DDC: 621.3

Kurzfassung
Die DNA Bildzytometrie ist ein Verfahren zur Früherkennung und Prognose von Krebs. Als Biomarker dient der DNA-Gehalt von Zellkernen, für dessen Messung ein Mikroskop, eine digitale Kamera, sowie dedizierte Messalgorithmen verwendet werden. Zentral ist dabei, dass die Messung auf morphologisch auffällige Zellkerne beschränkt wird, deshalb ist die Identifikation ausfälliger Zellkerne ein elementarer Bestandteil dieser Methode. Bisher wurde diese Aufgabe durch einen Pathologen/eine Pathologin durchgeführt. Die benötigte Zeit, 40 Minuten pro Fall, verhindern jedoch einen flächendeckenden Einsatz in der klinischen Routine. In dieser Dissertation werden Bildverarbeitungsalgorithmen vorgestellt, die diese Aufgabe automatisch übernehmen. Der zentrale Bestandteil dieser Arbeit Mustererkennunsalgorithmen, die in der Lage sind, morphologisch auffällige Zellkerne von unauffälligen Zellkernen, Artefakten, und weiteren Zellkerntypen zu unterscheiden. Diese Algorithmen wurden in ein Software-Paket sowie in einen klinischen Workflow eingebunden, bei dem die zeitaufwändigen Schritte durch das System und nur die diagnosekritischen Aufgaben durch den Experten erledigt werden. Diese Gesamtlösung wurde in drei klinisch relevanten Anwendungen ausgewertet: der Identifikation von Krebszellen in Körperhöhlenergüssen sowie Abstrichen der Mundschleimhaut, und der Malignitätsgradierung des Prostata-Karzinoms. Die entwickelte Lösung reduziert den Zeitaufwand für den Pathologen auf 5 Minuten pro Fall. Darüber hinaus werden, im Vergleich zur rein visuellen Auswahl auffälliger Zellkerne, sowohl die diagnostische Genauigkeit als auch die prognostische Validität der Methode nochmals erhöht.

DNA Image Cytometry is a method for the early diagnosis and prognosis of cancer.It exploits, as a biomarker for cancer, the DNA content of morphologically suspiciousnuclei measured from digital images. Therefore, the identification of these suspiciousnuclei in a microscopic inspection is a crucial step of the method. Until now, this task had to be performed by a pathological expert who required, onthe average, 40 minutes per slide - prohibitive for a wide-spread routine application. This thesis presents image processing algorithms for accomplishing this task automatically,the core component being classifiers which are capable of distinguishingmorphologically abnormal nuclei from normal nuclei, other types of nuclei, and artifacts. These algorithms were integrated into a software package, and a workflowwhich loads the tedious work onto the machine leaving only critical tasks to theresponsible expert. This provides an overall solution, which was evaluated in threeclinically relevant applications: the identification of cancer cells in nuclei from serouseffusions and from brush biopsies of the oral cavity, and grading the malignancy ofprostate cancer biopsies. The developed solution reduces the workload for the expert to 5 minutes per slide.As compared the previous visual selection of nuclei, in addition both the diagnosticaccuracy and prognostic validity are increased.

OpenAccess:
PDF PDF (PDFA)
(additional files)