利用深度学习与金字塔采样实现乳腺癌图像的自动化 HER2 评分
图像与视频处理
2024-07-18 v1 计算机视觉与模式识别
机器学习
医学物理
摘要
人表皮生长因子受体 2（HER2）是癌细胞生长中的关键蛋白质，标志着乳腺癌（BC）的侵袭性并有助于预测其预后。对免疫组织化学（IHC）染色组织切片中 HER2 表达水平的准确评估，对于治疗指导和理解癌症机制至关重要。然而，由认证病理学家进行人工检查的传统工作流程面临着观察者间和观察者内不一致以及周转时间延长等挑战。在此，我们引入一种基于深度学习的方法，利用金字塔采样对 IHC 染色的 BC 组织图像中的 HER2 状态进行自动化分类。我们的方法在不同空间尺度上分析形态学特征，有效管理了计算负载，并促进了对细胞和更大尺度组织级细节的精细检查。该方法通过提供全面视角解决了 HER2 表达的组织异质性问题，在包含来自组织微阵列的 523 张核心图像的数据集上，实现了 84.70% 的盲测分类准确率。我们的自动化系统被证明可作为可靠的病理学辅助工具，有望提高诊断精度和评估速度，并可能对癌症治疗规划产生重大影响。
引用
@article{arxiv.2404.00837,
title = {Automated HER2 Scoring in Breast Cancer Images Using Deep Learning and Pyramid Sampling},
author = {Sahan Yoruc Selcuk and Xilin Yang and Bijie Bai and Yijie Zhang and Yuzhu Li and Musa Aydin and Aras Firat Unal and Aditya Gomatam and Zhen Guo and Darrow Morgan Angus and Goren Kolodney and Karine Atlan and Tal Keidar Haran and Nir Pillar and Aydogan Ozcan},
journal= {arXiv preprint arXiv:2404.00837},
year = {2024}
}
备注
21 Pages, 7 Figures