Análise de textura multiclasses na histologia do câncer colorretal

O reconhecimento automático de diferentes tipos de tecido em imagens histológicas é uma parte essencial da caixa de ferramentas de patologia digital. A análise de textura é comumente utilizada para abordar esse problema; principalmente no contexto da estimativa da relação tumor/estroma em amostras histológicas. No entanto, embora as imagens histológicas costumem conter mais de dois tipos de tecidos, poucos estudos trataram do problema multiclasses. Para o câncer colorretal, um dos tipos de tumor mais prevalentes, na verdade não há resultados publicados sobre separação de textura multiclasses. Neste artigo, apresentamos um novo conjunto de dados de 5.000 imagens histológicas de câncer colorretal humano, incluindo oito tipos diferentes de tecido. Usamos esse conjunto para avaliar o desempenho de classificação de uma ampla gama de descritores de textura e classificadores. Como resultado, encontramos uma estratégia de classificação ótima que superou marcadamente os métodos tradicionais, melhorando o estado da arte para separação de tumor-estroma de 96,9% para 98,6% de precisão e estabelecendo um novo padrão para separação de tecido multiclasses (87,4% de precisão para oito classes). Disponibilizamos nosso conjunto de dados de imagens histológicas publicamente sob uma licença Creative Commons e incentivamos outros pesquisadores a usá-lo como referência para seus estudos.