基于组织病理学图像语义分割的结肠活检自动风险分类
图像与视频处理
2023-02-10 v1 计算机视觉与模式识别
摘要
人工智能(AI)有潜力辅助组织病理学家诊断多种癌症类型。在结直肠癌(CRC)中,AI可缓解对切除活检标本(包括息肉)进行表征和报告这一繁重任务,而由于全球许多国家正在开展的CRC人群筛查计划,此类标本数量不断增加。在此,我们提出一种方法来应对CRC组织病理学全切片图像自动评估中的两大挑战。首先,我们提出一种基于AI的方法来分割H&E染色全切片图像中的多个组织区室,从而提供一幅不同的、更易感知的组织形态与组成图像。我们测试并比较了一系列可用于分割模型的先进损失函数,并基于以下分析给出其在组织病理学图像分割中使用的指示:a)来自荷兰和德国五个医疗中心的CRC病例多中心队列,以及b)两个公开的CRC分割数据集。其次,我们使用性能最佳的AI模型作为计算机辅助诊断系统(CAD)的基础,该系统将结肠活检分为病理相关的四个主要类别。我们在一个超过1,000名患者的独立队列上报告了该系统的性能。结果显示了此类基于AI的系统在人群筛查背景下辅助病理学家诊断CRC的潜力。我们已将分割模型发布于https://grand-challenge.org/algorithms/colon-tissue-segmentation/供研究使用。
引用
@article{arxiv.2109.07892,
title = {Automated risk classification of colon biopsies based on semantic segmentation of histopathology images},
author = {John-Melle Bokhorst and Iris D. Nagtegaal and Filippo Fraggetta and Simona Vatrano and Wilma Mesker and Michael Vieth and Jeroen van der Laak and Francesco Ciompi},
journal= {arXiv preprint arXiv:2109.07892},
year = {2023}
}