用于肺癌自动诊断的深度学习框架
计算机视觉与模式识别
2018-07-30 v1
摘要
我们开发了一个深度学习框架，用于自动识别并分割患者组织标本中的肺癌区域。该研究基于在乌普萨拉大学医院接受手术的肺癌患者队列。组织经肺部病理学家审阅后，将核心样本汇编为组织微阵列（TMAs）。实验中，扫描了来自 712 名患者的苏木精-伊红染色切片并手动标注，随后利用这些扫描与标注训练所开发框架的分割模型。该深度学习框架的性能在来自 178 名患者的完全标注 TMA 核心上评估，达到像素级精度 0.80 与召回率 0.86。最后，使用公开可用的斯坦福 TMA 核心定性地展示了该框架的高性能。
引用
@article{arxiv.1807.10466,
title = {A Deep Learning Framework for Automatic Diagnosis in Lung Cancer},
author = {Nikolay Burlutskiy and Feng Gu and Lena Kajland Wilen and Max Backman and Patrick Micke},
journal= {arXiv preprint arXiv:1807.10466},
year = {2018}
}
备注
Presented as a poster at Medical Imaging with Deep Learning (MIDL) in Amsterdam, 4-6th July 2018 (http://midl.amsterdam/)