74、医学图像分析中的肿瘤鉴别与冠状动脉钙化评分方法

医学图像分析中的肿瘤鉴别与冠状动脉钙化评分方法

1. 间变性髓母细胞瘤的鉴别

在医学图像分析领域，间变性髓母细胞瘤（Anaplastic Medulloblastoma）的准确鉴别至关重要。研究者提出了一种特征融合的方法，结合了无监督特征学习（UFL）和有监督的Riesz小波表示，旨在实现更高的分类准确率。

1.1 数据集

研究使用的髓母细胞瘤（MB）数据库来自圣裘德儿童研究医院。该数据库包含10张病理切片，其中5张诊断为间变性MB，5张为非间变性MB。这些切片经过苏木精和伊红（H&E）染色，并使用Aperio扫描仪进行数字化，得到分辨率为80,000×80,000像素的全切片图像（WSI）。为了进行训练，从肿瘤区域随机提取了总共7,500个200×200像素的方形区域，其中间变性和非间变性各3,750个。

1.2 实验流程

整个方法的工作流程如下：
1. 特征计算 ：为每张图像计算通过TICA学习的UFL特征和使用Riesz小波学习的有监督特征。
2. 特征融合与分类 ：将计算得到的特征组合成一个连接向量，作为标准softmax分类器的输入，进行最终的有监督分类。

graph LR
    A[图像] --> B[TICA特征计算]
    A --> C[Riesz小波特征计算]
    B --> D[特征融合]
    C --> D
    D --> E[Softmax分类器]
    E --> F