胰腺 H&E 染色全切片图像中的肿瘤自动分割
图像与视频处理
2022-01-26 v2 计算机视觉与模式识别
机器学习
摘要
胰腺癌将很快成为西方社会癌症相关死亡的第二大原因。CT、MRI 和超声等成像技术通常有助于提供初步诊断，但组织病理学评估仍是最终确认疾病存在与预后的金标准。近年来，机器学习方法与病理组学流程已显示出改善其他癌种（如乳腺癌和前列腺癌）诊断与预后的潜力。这些流程中关键的第一步通常是肿瘤区域的识别与分割。理想情况下该步骤自动完成，以避免耗时的手动标注。我们提出一种多任务卷积神经网络以平衡疾病检测与分割精度。我们在 29 名患者（共 58 张切片）不同分辨率的数据集上验证了我们的方法。最佳单任务分割网络在 15.56 m 分辨率下取得了 0.885 (0.122) IQR 的中位 Dice 系数。我们的多任务网络在此基础上提升，中位 Dice 系数为 0.934 (0.077) IQR。
引用
@article{arxiv.2112.01533,
title = {Automatic tumour segmentation in H&E-stained whole-slide images of the pancreas},
author = {Pierpaolo Vendittelli and Esther M. M. Smeets and Geert Litjens},
journal= {arXiv preprint arXiv:2112.01533},
year = {2022}
}