BACH：乳腺癌组织学图像大挑战
计算机视觉与模式识别
2019-06-18 v2
摘要
乳腺癌是女性中最常见的浸润性癌症，影响全球超过 10% 的女性。活检的显微分析仍是诊断乳腺癌类型最重要的方法之一。这需要病理学家的专门分析，该任务 i) 高度耗时且成本高昂，且 ii) 常导致不一致的结果。使用苏木精-伊红染色组织病理学图像的自动分类算法的相关性与潜力已被证实，但所报告的结果对于临床应用仍非最优。为推动自动分类领域的先进水平，乳腺癌组织学图像大挑战（BACH）与第 15 届国际图像分析与识别会议（ICIAR 2018）联合举办。一个由显微镜图像与全切片图像组成的大型标注数据集被专门编译并公开供 BACH 挑战使用。在科学界的积极响应下，总计 677 个注册中的 64 份提交有效进入了竞赛。从提交的算法中，有可能在利用组织病理学图像自动分类乳腺癌的准确率（87%）方面推进现有技术水平。卷积神经网络是 BACH 挑战中最成功的方法。对集体结果的详细分析使得该领域剩余挑战得以识别，并为未来发展提出建议。BACH 数据集仍公开可用，以促进数字病理学自动分类领域的进一步改进。
引用
@article{arxiv.1808.04277,
title = {BACH: Grand Challenge on Breast Cancer Histology Images},
author = {Guilherme Aresta and Teresa Araújo and Scotty Kwok and Sai Saketh Chennamsetty and Mohammed Safwan and Varghese Alex and Bahram Marami and Marcel Prastawa and Monica Chan and Michael Donovan and Gerardo Fernandez and Jack Zeineh and Matthias Kohl and Christoph Walz and Florian Ludwig and Stefan Braunewell and Maximilian Baust and Quoc Dang Vu and Minh Nguyen Nhat To and Eal Kim and Jin Tae Kwak and Sameh Galal and Veronica Sanchez-Freire and Nadia Brancati and Maria Frucci and Daniel Riccio and Yaqi Wang and Lingling Sun and Kaiqiang Ma and Jiannan Fang and Ismael Kone and Lahsen Boulmane and Aurélio Campilho and Catarina Eloy and António Polónia and Paulo Aguiar},
journal= {arXiv preprint arXiv:1808.04277},
year = {2019}
}
备注
Accepted for publication at Medical Image Analysis (Elsevier). Publication licensed under the Creative Commons CC-BY-NC-ND 4.0 license http://creativecommons.org/licenses/by-nc-nd/4.0/