一种病理学家指导的前列腺腺体组织病理学分类工作流
图像与视频处理
2022-09-28 v1 计算机视觉与模式识别
机器学习
摘要
病理学家通过检查玻璃载片上针吸活检组织来诊断与分级前列腺癌。癌症的严重度与转移风险由 Gleason 分级确定，该评分基于前列腺癌腺体的组织结构与形态。在诊断评估中，病理学家首先定位整个活检芯中的腺体，若发现癌则赋予 Gleason 分级。尽管有严格诊断标准，这一耗时过程易出现错误与显著的观察者间差异。本文提出一种遵循病理学家操作惯例的自动化工作流，在全切片图像（WSI）中通过分明步骤隔离并分类单个腺体的多尺度块： (1) 两个全卷积网络分别分割上皮与间质及腺体边界；(2) 一个分类网络在高倍率下区分良性与癌性腺体；(3) 另一分类网络在低倍率下预测每个癌性腺体的分级。总体而言，该过程提供了一种腺体特异的前列腺癌分级方法，我们将其与其他基于机器学习的分级方法进行比较。
引用
@article{arxiv.2209.13408,
title = {A Pathologist-Informed Workflow for Classification of Prostate Glands in Histopathology},
author = {Alessandro Ferrero and Beatrice Knudsen and Deepika Sirohi and Ross Whitaker},
journal= {arXiv preprint arXiv:2209.13408},
year = {2022}
}
备注
Published as a workshop paper at MICCAI MOVI 2022