利用深度学习计算机视觉推进嗜酸性食管炎诊断与表型评估
图像与视频处理
2021-01-15 v1 计算机视觉与模式识别
摘要
嗜酸性食管炎(EoE)是一种患病率不断上升的炎症性食管疾病。诊断金标准是由临床病理学家在患者活检组织样本中手动检查单个高倍视野(400倍放大)内是否存在15个或更多嗜酸性粒细胞。诊断EoE可能是一个繁琐的过程，且评估疾病严重程度与进展难度更大。我们提出一种利用深度图像分割量化嗜酸性粒细胞的自动化方法。应用U-Net模型与后处理系统生成基于嗜酸性粒细胞的统计量，可诊断EoE并描述疾病严重程度与进展。这些统计量在初始EoE诊断时的活检中获取，随后与患者元数据(临床与治疗表型)进行比较。目标是发现可能指导新患者初始诊断时治疗方案的关联。进一步应用深度图像分类模型以发现除嗜酸性粒细胞外可用于诊断EoE的特征。这是首项利用深度学习计算机视觉方法进行EoE诊断并提供追踪疾病严重程度与进展自动化过程的研究。
引用
@article{arxiv.2101.05326,
title = {Advancing Eosinophilic Esophagitis Diagnosis and Phenotype Assessment with Deep Learning Computer Vision},
author = {William Adorno and Alexis Catalano and Lubaina Ehsan and Hans Vitzhum von Eckstaedt and Barrett Barnes and Emily McGowan and Sana Syed and Donald E. Brown},
journal= {arXiv preprint arXiv:2101.05326},
year = {2021}
}
备注
This paper contains 12 pages, 9 figures, and 7 tables