基于深度学习的全切片图像肾细胞癌精准诊断框架
图像与视频处理
2021-10-27 v1 计算机视觉与模式识别
机器学习
摘要
诊断病理学是癌症诊断的基础与金标准，提供疾病预后的必要信息及临床治疗的重要证据。肿瘤区域检测、亚型与分级分类是全切片图像(WSIs)中肾细胞癌(RCC)的基本诊断指标。然而，病理诊断具有主观性，在诊断能力不足的医疗机构中，病理医生间观察与诊断的差异十分常见。开发基于深度学习的 RCC 诊断系统的主要挑战在于缺乏具有精确标注的大规模数据集。本工作中，我们提出了一种基于深度学习的框架，用于分析肾细胞癌患者的组织病理学图像，其有望达到病理医生水平的诊断精度。在癌症基因组图谱(TCGA)全切片组织病理学图像的高质量标注数据集上训练了深度卷积神经网络(InceptionV3)，用于准确的肿瘤区域检测、RCC 亚型分类以及透明细胞癌亚型的 ISUP 分级分类。这些结果表明，我们的框架可辅助病理医生进行癌症区域检测及亚型与分级分类，并可应用于任何癌症类型，提供辅助诊断并促进临床共识。
引用
@article{arxiv.2110.13652,
title = {A Precision Diagnostic Framework of Renal Cell Carcinoma on Whole-Slide Images using Deep Learning},
author = {Jialun Wu and Haichuan Zhang and Zeyu Gao and Xinrui Bao and Tieliang Gong and Chunbao Wang and Chen Li},
journal= {arXiv preprint arXiv:2110.13652},
year = {2021}
}
备注
BIBM 2021 accepted, 9 pages including reference, 3 figures and 1 table