uu.seUppsala universitets publikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
A Texture Based Pattern Recognition Approach to Distinguish Melanoma from Non-Melanoma Cells in Histopathological Tissue Microarray Sections
Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Molekylär och morfologisk patologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Molekylär och morfologisk patologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Molekylär och morfologisk patologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Molekylär och morfologisk patologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
Visa övriga samt affilieringar
2013 (Engelska)Ingår i: PLoS ONE, ISSN 1932-6203, E-ISSN 1932-6203, Vol. 8, nr 5, s. e62070-Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

Aims: Immunohistochemistry is a routine practice in clinical cancer diagnostics and also an established technology for tissue-based research regarding biomarker discovery efforts. Tedious manual assessment of immunohistochemically stained tissue needs to be fully automated to take full advantage of the potential for high throughput analyses enabled by tissue microarrays and digital pathology. Such automated tools also need to be reproducible for different experimental conditions and biomarker targets. In this study we present a novel supervised melanoma specific pattern recognition approach that is fully automated and quantitative. Methods and Results: Melanoma samples were immunostained for the melanocyte specific target, Melan-A. Images representing immunostained melanoma tissue were then digitally processed to segment regions of interest, highlighting Melan-A positive and negative areas. Color deconvolution was applied to each region of interest to separate the channel containing the immunohistochemistry signal from the hematoxylin counterstaining channel. A support vector machine melanoma classification model was learned from a discovery melanoma patient cohort (n = 264) and subsequently validated on an independent cohort of melanoma patient tissue sample images (n = 157). Conclusion: Here we propose a novel method that takes advantage of utilizing an immuhistochemical marker highlighting melanocytes to fully automate the learning of a general melanoma cell classification model. The presented method can be applied on any protein of interest and thus provides a tool for quantification of immunohistochemistry-based protein expression in melanoma.

Ort, förlag, år, upplaga, sidor
2013. Vol. 8, nr 5, s. e62070-
Nationell ämneskategori
Medicin och hälsovetenskap
Identifikatorer
URN: urn:nbn:se:uu:diva-203296DOI: 10.1371/journal.pone.0062070ISI: 000319107900004OAI: oai:DiVA.org:uu-203296DiVA, id: diva2:636137
Tillgänglig från: 2013-07-08 Skapad: 2013-07-08 Senast uppdaterad: 2017-12-06Bibliografiskt granskad

Open Access i DiVA

fulltext(5516 kB)428 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 5516 kBChecksumma SHA-512
dc3d1f5d2636ce4ef50c27007d6c21e50bd488347a8253c8f7bd5e30a810954183ae1fddb6f3c5c8eaf68a48a9127dd5b8cf413f7c7f5d9d5ebf5bb9664d27ac
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltext

Personposter BETA

Rexhepaj, EltonAgnarsdóttir, MargrétBergman, JuliaEdqvist, Per-HenrikBergqvist, MichaelPontén, Fredrik

Sök vidare i DiVA

Av författaren/redaktören
Rexhepaj, EltonAgnarsdóttir, MargrétBergman, JuliaEdqvist, Per-HenrikBergqvist, MichaelPontén, Fredrik
Av organisationen
Molekylär och morfologisk patologiScience for Life Laboratory, SciLifeLabEnheten för onkologi
I samma tidskrift
PLoS ONE
Medicin och hälsovetenskap

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 428 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 661 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf