使用全卷积网络对全切片免疫组织化学图像的分子生物标志物进行自动标注
组织与器官
2017-01-02 v1 计算机视觉与模式识别
摘要
本文探讨了基于颜色和空间信息对多重染色组织中的生物标志物进行量化的问题。提出了一种基于深度学习的方法，能够自动定位和量化全切片图像中表达生物标志物的细胞。该深度学习网络是一个全卷积网络（FCN），其输入为组织的真实 RGB 彩色图像，输出为不同生物标志物的图谱。该 FCN 依赖于一个卷积神经网络（CNN），后者根据每个细胞所表达的生物标志物对其进行单独分类。在本研究中，收集并使用了免疫组织化学（IHC）染色切片的图像。基于表达的生物标志物，对超过4,500张细胞的 RGB 图像进行了人工标注。标注后的细胞图像被用于训练 CNN（在测试集中获得了92%的准确率）。随后将训练好的 CNN 扩展为 FCN，以生成扫描仪获取的全切片图像中所有生物标志物的图谱（而非对每个细胞图像进行分类）。为了评估我们的方法，我们对两张全切片图像中表达不同生物标志物的所有细胞核进行了人工标注，并将其用作真值。我们提出的免疫组织化学分析方法与人工标注相比表现良好（平均 F-score 为0.96）。
引用
@article{arxiv.1612.09420,
title = {Automatic labeling of molecular biomarkers of whole slide immunohistochemistry images using fully convolutional networks},
author = {Fahime Sheikhzadeh and Martial Guillaud and Rabab K. Ward},
journal= {arXiv preprint arXiv:1612.09420},
year = {2017}
}