2026-04-13T02:53:57Zhttps://recercat.cat/oai/requestoai:recercat.cat:2117/4198902025-07-23T04:28:22Zcom_2072_1033col_2072_452951
RECERCAT
author
Sáez I Parés, Laura
2024-10-23
La medicina dirigida anti-HER2 emfatitza la importància d'un diagnòstic precís i ràpid de la positivitat d'HER2 en el càncer de mama, normalment mitjançant proves d'immunohistoquímica (IHC). L'impacte en els resultats dels pacients, juntament amb la digitalització de l'assistència sanitària i el progrés recent de la visió per ordinador, impulsa el desenvolupament d'algorismes de diagnòstics assistits per la IA com a eines de suport per als patòlegs. Aquest estudi s'emmarca dins l'àmbit del projecte DigiPatICS que desenvolupa les tasques esmentades anteriorment. El projecte està entrant en una nova fase centrada en la millora del rendiment i experimenta un creixement important a causa de la posada en producció dels seus algorismes. La premissa d'aquesta tesi és la importància d'un bon tractament de les dades, així com el desenvolupament d'una metodologia sistemàtica, ambdós factors abans ignorats amb un augment de prioritats considerable. S'utilitzen dos models U-Net per a la segmentació: discriminació epitelial versus no epitelial mitjançant màscares i segmentació semàntica cel·lular. Només aquest últim està dins de l'abast d'aquesta tesi, i el seu rendiment es mesura mitjançant la puntuació F1 per classe a nivell cel·lular. La investigació se centra en la generalització interhospitalària, les estratègies de partició tant pel que fa als pacients com la distribució de classes, i l'addició o exclusió d'elements al conjunt de dades. Els experiments proposats i els seus resultats ens porten a identificar i corregir pràctiques existents que es podrien millorar. També s'han pogut augmentar les dades d'entrenament disponibles. En conjunt, la principal contribució d'aquest treball és obrir un debat sobre com adaptar-se al canvi de paradigma del projecte. Aquests resultats preliminars i millores pretenen constituir una base, envoltada d'un marc sòlid que hauria de facilitar la seva reproductibilitat i extrapolació potencial a partir d'aquest punt.Targeted anti-HER2 medicine emphasizes the importance of accurate and fast HER2-positivity diagnosis in breast cancer, typically via immunohistochemistry (IHC) testing. The impact on patient outcomes, along with healthcare digitization and recent computer vision progress, drives the development of AI-assisted diagnostic algorithms as support tools for pathologists. This study falls within the scope of the DigiPatICS project developing the tasks mentioned above. The project is entering a new phase focused on performance enhancement and possibly undergoing a significant growth due to their algorithms' put into production. The premise of this thesis is the importance of proper data handling, as well as the development of a systematic methodology, both factors previously disregarded with a now considerable priority increase. Two U-Net models are used for the segmentation ¿ epithelial vs. non-epithelial discrimination through masks, and cell semantic segmentation. Only the latter is within the scope of this thesis, and its performance is measured through per-class F1-score at cell level. Research focuses on inter-hospital generalization, partition strategies regarding both the patients and class distribution, and the addition or exclusion of elements in the dataset. The proposed experiments and the resulting findings lead us to identify and correct existing practices that could be improved. It has also been possible to increase the available training data. Overall, the main contribution of this work is to open a discussion on how to adapt to the paradigm shift of the project. These preliminary results and improvements are intended to form a foundation, surrounded by a robust framework that should facilitate their reproducibility and potential extrapolation from this point forward.
Open Access
Àrees temàtiques de la UPC::Enginyeria de la telecomunicació::Processament del senyal
Àrees temàtiques de la UPC::Informàtica::Intel·ligència artificial
Computer vision
Breast--Cancer
Patologia digital
diagnosi de positivitat d'HER2
càncer de mama
segmentació d'instàncies
visió per computador
partició de conjunts de dades
augmentació de dades
U-Net
Digital pathology
HER2-positivity diagnosis
breast cancer
instance segmentation
computer vision
dataset partitioning
data augmentation
Visió per ordinador
Mama--Càncer
Analysis of histhopatological images for assessing cancer samples
Bachelor thesis