基于深度学习的数字病理图像淋巴瘤自动诊断
计算机视觉与模式识别
2018-11-08 v1 机器学习
机器学习
摘要
近期研究表明，使用深度学习在全切片成像中检测恶性肿瘤取得了有前景的结果。然而，这些研究仅限于针对特定肿瘤预测阳性或阴性发现。我们尝试使用带有卷积神经网络算法的深度学习，构建针对四个诊断类别的淋巴瘤诊断模型：良性淋巴结、弥漫大B细胞淋巴瘤、伯基特淋巴瘤和小淋巴细胞淋巴瘤。我们的软件使用Python语言编写。我们获取了128例病例的苏木精和伊红染色切片的数字全切片图像，每个诊断类别各32例。每例取4组具代表性的图像，尺寸为40x40像素。共获得2560张图像，其中1856张用于训练，464张用于验证，240张用于测试。对于每个由5张图像组成的测试集，其预测诊断由5张图像的预测结果综合得出。测试结果显示，逐图像预测的 diagnostic 准确率达95%，逐集合预测的准确率达10%。该初步研究为将淋巴瘤自动诊断筛查整合进未来病理工作流程以提升病理医生效率提供了概念验证。
引用
@article{arxiv.1811.02668,
title = {Automated Diagnosis of Lymphoma with Digital Pathology Images Using Deep Learning},
author = {Hanadi El Achi and Tatiana Belousova and Lei Chen and Amer Wahed and Iris Wang and Zhihong Hu and Zeyad Kanaan and Adan Rios and Andy N. D. Nguyen},
journal= {arXiv preprint arXiv:1811.02668},
year = {2018}
}
备注
13 pages, 2 figures, 2 tables