换一批摘要目的:探究非小细胞肺癌(NSCLC)中肺腺癌应用QuPath识别和量化肿瘤细胞与病理医生手动评估的一致性,以提高准确度和工作效率.方法:收集2021年2月至2022年4月襄阳市中心医院诊断NSCLC病例样本100例,样本HE染色玻片扫描为数字图像(WSI).应用开源图像分析软件QuPath构建随机森林模型;自动计数感兴趣区域(ROI)内的各类细胞获得肿瘤细胞含量(TCC),计算类内相关系数(ICC)以衡量人工识别和自动识别TCC的区别;应用QuPath对人工标记和随机森林模型识别的肿瘤和非肿瘤细胞核相分析,采用受试者工作特征(ROC)曲线分析肿瘤细胞核相特征分类肿瘤细胞的贡献度.结果:应用QuPath构建肿瘤细胞识别模型,与人工评估TCC之间的一致性ICC=0.958;肿瘤细胞核相特征ROC曲线下面积(AUC)为 99.5%,核苏木精平均光密度(NHMOD)是区分肿瘤细胞最佳的核相特征.结论:QuPath构建的随机森林模型能较准确地评估数字病理图像的TCC,降低手动评估差异性,为肿瘤预后评估提供依据.
更多相关知识
栏目名称
DOI
10.14188/j.1671-8852.2024.1008
发布时间
2026-03-31（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（82274370）
襄阳市中心医院院级立项项目（2022YB07）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
