Quantitative estimation of nuclear pleomorphism in breast cancer histological images

Abstract

La evaluación del pleomorfismo nuclear contribuye a establecer el pronóstico y diagnósti- co del cáncer de seno. Estas alteraciones nucleares se caracterizan por cambios en el tamaño o forma del núcleo y diferencias en la apariencia de la cromatina. Investigaciones previas muestran que la estimación de este criterio presenta una gran variabilidad inter-observador, con un coeficiente de concordancia kappa entre 0,3 (bajo) y 0,5 (moderado) [1].En este trabajo se presenta un método automático de cuantificación del pleomorfismo nuclear en imágenes de cáncer de seno. La estrategia comienza por segmentar los núcleos, seguido de una caracterización que determina el grado de pleomorfismo por campo de visión. Durante el entrenamiento, se construye un diccionario visual multiescala con un conjunto de núcleos ex- traı́dos. El diccionario permite representar un campo microscópico mediante un histograma de los elementos del diccionario, contando las ocurrencias del núcleo más similar del campo visual en cada posición del diccionario. Histogramas de campos microscópicos (con magni- ficación times20), previamente clasificado por patólogos expertos en cáncer de seno, fueron utilizados para entrenar un clasificador SVM. La estrategia fue evaluada en 134 campos mi- croscópicos. A su vez, estas imágenes fueron extraidas de un total de 14 casos de cáncer de seno (provenientes de la base de datos ’The Cancer Genome Atlas’ - TCGA). Medidas de recall y precisión de 0,67 y 0,67 fueron obtenidas en la evaluación del método propuesto.

Abstract: The evaluation of the nuclear pleomorphism contributes to establishing the prognosis and diagnosis in breast cancer. These nuclear alterations are characterized by variations in nu- clear shape or size and changes in the chromatin appearance. Researchers show that the estimation of this criteria presents a high inter-intra observer variability, with a kappa coef- ficient between 0,3(low) to 0,5 (moderate) presented by [1]. In this work, a method for automatic nuclear pleomorphism quantification in breast cancer images is presented. The strategy starts with the nuclei segmentation, followed by a cha- racterization that determines the grade of nuclear pleomorphism for each field of view. Into the training stage, a visual multiscale dictionary is built using a set of nuclei. This approach allows represented each microscopic field by a histogram of the most similar nuclei in the dic- tionary. Histograms from several microscopic fields (magnification ×20), previously graded by experts pathologists, were used to train an SVM classifier. This method was evaluated in 134 microscopical fields. Those fields were extracted from 14 breast cancer cases (obtained from the database ”The Cancer Genome Atlas TCGA). The proposed method achieves va- lues of precision and recall of 0,67 and 0,67 in this dataset.