一种用于从全切片图像中提取 Gleason 组织并分级前列腺癌的膨胀残差分层分割框架
计算机视觉与模式识别
2021-07-27 v5 图像与视频处理
摘要
前列腺癌（PCa）是男性中致死率第二高的癌症，可通过检查 Gleason 组织的结构表征进行临床分级。本文提出一种新方法，用于从全切片图像（WSI）中分割 Gleason 组织（逐块）以对 PCa 进行分级。此外，所提方法包含两个主要贡献：1）混合膨胀因子与潜空间表征分层分解的协同，用于有效提取 Gleason 组织；2）一种三层损失函数，可惩罚不同语义分割模型以准确提取高度相关的模式。除此之外，所提框架在一个包含 10,516 张全切片扫描（约 71.7M 个块）的大规模 PCa 数据集上进行了广泛评估，在提取 Gleason 组织方面以 3.22%（平均交并比）和在分级 PCa 进展方面以 6.91%（F1 分数）优于最先进方案。
引用
@article{arxiv.2011.00527,
title = {A Dilated Residual Hierarchically Fashioned Segmentation Framework for Extracting Gleason Tissues and Grading Prostate Cancer from Whole Slide Images},
author = {Taimur Hassan and Bilal Hassan and Ayman El-Baz and Naoufel Werghi},
journal= {arXiv preprint arXiv:2011.00527},
year = {2021}
}
备注
Accepted in IEEE SAS-2021, Source Code is available at https://github.com/taimurhassan/cancer