一种促进冷冻组织切片存档级组织病理学诊断的生成对抗方法
图像与视频处理
2021-08-25 v1 计算机视觉与模式识别
机器学习
定量方法
摘要
在涉及组织病理学的临床诊断和研究中，福尔马林固定石蜡包埋（FFPE）组织因其出色的图像质量而几乎受到普遍青睐。然而，组织处理时间（超过 24 小时）可能会减慢决策速度。相比之下，新鲜冷冻（FF）处理（不到 1 小时）可以快速获取信息，但由于缺乏透明度、形态变形和更频繁的伪影，诊断准确性欠佳。在这里，我们利用人工智能弥合了这一差距。我们使用生成对抗网络（GAN），从来自 40 名患者的 98 个配对肾脏样本中，由 FF 图像合成了类 FFPE 图像，即虚拟 FFPE。五位获得委员会认证的病理学家在盲法测试中评估了结果。虚拟 FFPE 数据的图像质量被评估为高，并且显示出与真实 FFPE 图像的高度相似性。与 FF 图像相比，对虚拟 FFPE 图像上疾病的临床评估显示出更高的观察者间一致性。几乎瞬时生成的虚拟 FFPE 图像不仅可以缩短获取信息的时间，还可以在无需额外成本和精力的情况下，从常规 FF 图像中促进更精确的诊断。
引用
@article{arxiv.2108.10550,
title = {A generative adversarial approach to facilitate archival-quality histopathologic diagnoses from frozen tissue sections},
author = {Kianoush Falahkheirkhah and Tao Guo and Michael Hwang and Pheroze Tamboli and Christopher G Wood and Jose A Karam and Kanishka Sircar and Rohit Bhargava},
journal= {arXiv preprint arXiv:2108.10550},
year = {2021}
}
备注
24 pages, 6 figures, and 3 tables