基于深度神经网络的乳腺肿瘤细胞密度评估
图像与视频处理
2019-09-04 v3 计算机视觉与模式识别
摘要
乳腺癌是全球主要死因之一。术后组织中残留肿瘤的组织病理学细胞密度评估用于分析肿瘤对治疗的反应。正确的细胞密度评估可增加获得适当治疗的几率并促进患者生存。在当前临床实践中，肿瘤细胞密度由病理学家手动估计；该过程繁琐且容易出错或评估者间一致性低。本工作中，我们评估了三种基于深度学习的强新颖方法，用于自动评估经苏木精和伊红染色的术后乳腺手术标本的肿瘤细胞密度。我们在 BreastPathQ SPIE 挑战数据集上验证了所提方法，该数据集由从 64 名患者的全切片图像中选取的 2395 个图像块组成。与专家病理学家评分相比，我们性能最佳的方法得到了 0.70 的 Cohen's kappa 系数（文献中此前为 0.42）和 0.89 的组内相关系数（此前为 0.83）。我们的结果表明，基于深度学习的方法具有显著潜力以减轻病理学家的负担、增强诊断流程，从而改善乳腺癌治疗的临床结果。
引用
@article{arxiv.1905.01743,
title = {Breast Tumor Cellularity Assessment using Deep Neural Networks},
author = {Alexander Rakhlin and Aleksei Tiulpin and Alexey A. Shvets and Alexandr A. Kalinin and Vladimir I. Iglovikov and Sergey Nikolenko},
journal= {arXiv preprint arXiv:1905.01743},
year = {2019}
}