CeliacNet：基于深度残差网络的十二指肠组织病理图像乳糜泻严重程度诊断
图像与视频处理
2019-10-09 v1 计算机视觉与模式识别
机器学习
定量方法
机器学习
摘要
乳糜泻（CD）是一种慢性自身免疫病，影响遗传易感儿童与成人的小肠。麸质暴露引发炎症级联反应，导致肠道屏障功能受损。若此肠病未被识别，可导致贫血、骨密度下降，并在长期病例中引发肠癌。该疾病在美国的患病率为1%。肠（十二指肠）活检被视为诊断的“金标准”。轻度CD可能因非特异临床症状或轻微组织学特征而被忽视。在当前工作中，我们训练了一个基于深度残差网络的模型，利用称为改良Marsh评分的组织学评分系统诊断CD严重程度。所提模型使用来自15名CD患者的120张全切片图像的独立集进行评估，并在所有类别中达到大于0.96的AUC。这些结果展示了所提模型利用组织学图像进行CD严重程度分类的诊断能力。
引用
@article{arxiv.1910.03084,
title = {CeliacNet: Celiac Disease Severity Diagnosis on Duodenal Histopathological Images Using Deep Residual Networks},
author = {Rasoul Sali and Lubaina Ehsan and Kamran Kowsari and Marium Khan and Christopher A. Moskaluk and Sana Syed and Donald E. Brown},
journal= {arXiv preprint arXiv:1910.03084},
year = {2019}
}
备注
accepted at IEEE International Conference on Bioinformatics and Biomedicine (IEEE BIBM 2019)