Automated scoring of CerbB2/HER2 receptors using histogram based analysis of immunohistochemistry breast cancer tissue images

by Ayda Fıtrıye Aktaş | Oca 03, 2022
Behçet Uğur Töreyin ve Abdulkerim Çapar'ın ve yazarları arasında olduğu 'Automated scoring of CerbB2/HER2 receptors using histogram based analysis of immunohistochemistry breast cancer tissue images' başlıklı makale 'Biomedical Signal Processing and Control' dergisinde 2021 yılında yayınlanmıştır.
Enstitümüz Öğretim Üyelerinden Behçet Uğur Töreyin ve Araş Gör. Dr. Abdulkerim Çapar'ın ve yazarları arasında olduğu 'Automated scoring of CerbB2/HER2 receptors using histogram based analysis of immunohistochemistry breast cancer tissue images' başlıklı makale 'Biomedical Signal Processing and Control' dergisinde 2021 yılında yayınlanmıştır.

DOI: https://doi.org/10.1016/j.bspc.2021.102924

Cite:
Kabakçı, K.A., Çakır, A., Türkmen, İ., Töreyin, B.U. and Çapar, A., 2021. Automated scoring of CerbB2/HER2 receptors using histogram based analysis of immunohistochemistry breast cancer tissue images. Biomedical Signal Processing and Control, 69, p.102924.

Abstract:
Background and Objective: Visual expression of invasive breast cancer with immunohistochemistry (IHC) allows evaluation of CerbB2 receptors, such that CerbB2 mutated breast carcinomas are suitable for targeted therapy. Breast tumors are evaluated in four different scores as 0, 1, 2, 3 to decide if it is suitable for the CerbB2 protein specific treatment or not. Pathologists try to decide the scores by eye, which is laborious, and error-prone work with high inter-observer variability.

Methods:
We propose cell based image analysis termine the CerbB2/HER2 scores in breast tissue images in accordance with ASCO/CAP recommendations, automatically. The proposed ASCO/CAP recommendations compliant image analysis approach provides an explainable artificial intelligence solution for HER2 tissue scoring. Firstly, tissue images are separated into hematoxylin and diaminobenzidine color channels with color deconvolution. Cell nuclei and boundaries are segmented with a hybrid multi-level thresholding and radial line based method on hematoxylin channel. Following ASCO/CAP recommendations, cell based features representing the intensity and completeness of circumferential membrane staining are extracted with the proposed Membrane Intensity Histogram (MIH) method. Extracted features are, then, fed into a classifier, such as, k-nearest neighbours, decision trees and long-short term memory, to determine cell based HER2 scores. Individual cell scores are combined according to ASCO/CAP recommendations to obtain the final CerbB2/HER2 tissue score. Another contribution of the paper is the introduction of two publicly available image data sets on CerbB2/HER2 tissue scoring. Clinical data sets, ITU-MED-1 and ITU-MED-2, are created by digitizing IHC slides from real patients, that have ground truth CerbB2/HER2 scores.

Result:
The proposed automatic scoring method is tested on these clinical data sets, as well as, on a HER2 Contest data set. Performance of the proposed explainable artificial intelligence approach for HER2 tissue scoring is evaluated and compared with state-of-the-art techniques in the literature.

Conclusion:
Results suggest that, the proposed method is highly effective in HER2 tissue scoring on both balanced and unbalanced data sets.

Significance:
A hand-crafted feature extraction approach for CerbB2/HER2 scoring is proposed which provides an explainable artificial intelligence framework. The proposed HER2 scoring method can be adapted to updates in ASCO/CAP recommendations without the need for re-training and/or re-designing the model. Moreover, two publicly available data sets, namely, ITU-MED-1 and ITU-MED-2 are introduced with corresponding score labels.

Automated scoring-1

İTÜ Bilişim Enstitüsü

bilisim-anasayfa-hakkimizda

İTÜ Bilişim Enstitüsü, Bilişim Uygulamaları, Bilgisayar Bilimleri, Hesaplamalı Bilim ve Mühendislik ile İletişim Sistemleri Anabilim Dallarında aşağıda yer alan programlarda lisansüstü düzeyde eğitimler veren, bu alanlarda temel ve uygulamalı araştırmalar yapan bir birimdir.

Enstitü öğretim üyeleri ile öğrencileri, elektromanyetik alanlar, haberleşme sistemleri/regülasyonları, hesaplamalı malzeme tasarımı, hesaplamalı kimya/biyoloji, kriptografi, işaret/veri işleme/görselleştirme, büyük veri yönetimi, iklim ve okyanus bilimleri, termodinamik modelleme, haberleşme ağları ve moleküler enformatik alanlarında ulusal ve uluslar arası kuruluşlarca desteklenen araştırmalar yürütmektedir.

Enstitü öğretim üyeleri ve öğrencileri tarafından alınan ödüllerden bazıları:

  • En Etkili Bilim İnsanları Listesi; Doç.Dr. B. Uğur Töreyin (Dr. John PA Ioannidis, K. W. Boyack ve J. Baas’ın PLOS Biology dergisinde yayımlanan makalesi)
  • 2020 Uluslararası Öğrenciler Proje Yarışmasında, Fen Bilimleri kategorisinde en iyi proje ödülü, Beltus Nkwawir Wiysobunri
  • Dr. Abdulkerim Çapar'ın da kurucu ortakları arasında yer aldığı Argenit firması, İTÜ ARI Teknokent’in “Ulusal-Uluslararası Destekler” Birincilik ödülünü almıştır.
  • TÜBİTAK 2242 Öncelikli Alanlarda Üniversite Öğrencileri Proje Yarışması: İstanbul bölgesi birinciliği - Ahmet Burak Özyurt
  • ICAT'18 Konferansında En İyi Sunum Ödülü: Sena Efsun Cebeci, 2018
  • Tübitak Teşvik Ödülü; 2016 Doç.Dr. Adem Tekin
  • Amerikan Isıtma Soğutma ve İklimlendirme Derneği tarafından “Teknik Makale” ve “Willis H. Carrier” Ödülü; 2016 Yrd.Doç.Dr. H. Salih Erden
  • Bilim Kahramanları Derneği Yılın Genç Bilim İnsanı Ödülü; 2016 Doç.Dr. B. Uğur Töreyin PRACEdays 2016 konferansında En İyi Poster Ödülü; Samet Demir
  • İTÜ En Başarılı Tez Ödülü; 2016 Hatice Gökcan

Enstitü bünyesinde, Devlet Planlama Teşkilatı desteğiyle kurulan bir Yüksek Başarımlı Hesaplama Laboratuvarı da bulunmaktadır.