Une approche pour regrouper des sujets atteints de cancers, sur la base des similarités des répartitions cellulaires au sein de leurs biopsies
Résumé
Extended version in English: https://arxiv.org/abs/2007.00135
In this paper, we introduce a novel and interpretable methodology to cluster subjects suffering from cancer, based on features extracted from their biopsies. Contrary to existing approaches, we propose here to capture complex patterns in the repartitions of their cells using histograms, and compare subjects on the basis of these repartitions. We describe here our complete workflow, including creation of the database, cells segmentation and phenotyping, computation of complex features, choice of a distance function between features, clustering between subjects using that distance, and survival analysis of obtained clusters. We illustrate our approach on a database of hematoxylin and eosin (H&E)-stained tissues of subjects suffering from Stage I lung adenocarcinoma, where our results match existing knowledge in prognosis estimation with high confidence.
Nous présentons une méthodologie interprétable pour regrouper des sujets souffrant de cancer, basée sur des attributs extraits d'images numériques de leurs biopsies. Nous proposons d'analyser des répartitions cellulaires à l'aide d'histogrammes, et de comparer les sujets via ceux-ci. Nous décrivons ici la méthodologie pour définir ces histogrammes et les exploiter à des fins de clustering. Nous illustrons notre approche sur une base de données de tissus colorés à l'hématoxyline et à l'éosine de sujets atteints d'un adénocarcinome pulmonaire de stade I, où nos résultats coincident avec les connaissances existantes en matière d'estimation du pronostic de survie, avec une confiance statistique élevée.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|