乳がんの核非定型症スコアリングの自動化のためのコンピュータ支援の病理組織学的画像解析技術：レビュー

Computer-Aided Histopathological Image Analysis Techniques for Automated Nuclear Atypia Scoring of Breast Cancer: a Review.

• Asha Das
• Madhu S Nair
• S David Peter

抄録

乳がんは、女性に診断される悪性腫瘍の中で最も一般的なタイプです。早期発見と診断により、回復の可能性が高く、それにより死亡率を減少させることができます。乳がんの診断には、超音波、マンモグラフィー、MRIなどの非侵襲的な放射線診断のような多くの予備検査が広く用いられています。しかし、乳房生検標本の病理組織学的分析は避けて通れないものであり、がんを肯定するためのゴールデンスタンダードと考えられています。デジタルコンピューティング能力、メモリ容量、およびイメージングモダリティの進歩に伴い、病理組織学的データのためのコンピュータ支援による強力な分析技術の開発が劇的に増加しています。これらの自動化された技術は、病理医の煩雑な作業を軽減し、解釈の再現性と信頼性を向上させるのに役立つ。本論文では、病理組織学的乳癌画像に適用されている核異型スコアリングのためのデジタル画像計算アルゴリズムをレビューし、まとめ、今後の可能性を探る。乳がんの核多形スコアリングのためのアルゴリズムは、大きく分けて、ハンドクラフトされた特徴量ベースと学習された特徴量ベースの2つのカテゴリーに分類される。ハンドクラフト特徴量ベースのアルゴリズムは、主に画像の前処理、核のセグメント化、固有の特徴の抽出、特徴の選択、機械学習ベースの分類などの計算ステップを含む。しかし、最近のアルゴリズムの多くは、ディープラーニング技術を利用して病理組織像から高レベルの抽象化を直接抽出する学習特徴量に基づいたものである。本論文では、乳がんの核多形性スコアリングに適用されている様々なアルゴリズムについて議論し、今後の課題を述べ、ベンチマークデータの重要性について概説する。乳がんの核異型スコアリングに関するいくつかの著名な研究の比較分析は、乳がんのグレーディングに使用されるさまざまな特徴とアルゴリズムを定量的に測定し、比較することを可能にするベンチマークデータセットを使用して行われます。結果は、臨床応用に適した自動化されたがん悪性度判定システムを持つためには、まだ改善が必要であることを示しています。

Breast cancer is the most common type of malignancy diagnosed in women. Through early detection and diagnosis, there is a great chance of recovery and thereby reduce the mortality rate. Many preliminary tests like non-invasive radiological diagnosis using ultrasound, mammography, and MRI are widely used for the diagnosis of breast cancer. However, histopathological analysis of breast biopsy specimen is inevitable and is considered to be the golden standard for the affirmation of cancer. With the advancements in the digital computing capabilities, memory capacity, and imaging modalities, the development of computer-aided powerful analytical techniques for histopathological data has increased dramatically. These automated techniques help to alleviate the laborious work of the pathologist and to improve the reproducibility and reliability of the interpretation. This paper reviews and summarizes digital image computational algorithms applied on histopathological breast cancer images for nuclear atypia scoring and explores the future possibilities. The algorithms for nuclear pleomorphism scoring of breast cancer can be widely grouped into two categories: handcrafted feature-based and learned feature-based. Handcrafted feature-based algorithms mainly include the computational steps like pre-processing the images, segmenting the nuclei, extracting unique features, feature selection, and machine learning-based classification. However, most of the recent algorithms are based on learned features, that extract high-level abstractions directly from the histopathological images utilizing deep learning techniques. In this paper, we discuss the various algorithms applied for the nuclear pleomorphism scoring of breast cancer, discourse the challenges to be dealt with, and outline the importance of benchmark datasets. A comparative analysis of some prominent works on breast cancer nuclear atypia scoring is done using a benchmark dataset which enables to quantitatively measure and compare the different features and algorithms used for breast cancer grading. Results show that improvements are still required, to have an automated cancer grading system suitable for clinical applications.