H&E染色切片中DLBCL亚型的分类与形态学分析
计算机视觉与模式识别
2024-11-14 v1
摘要
我们解决了将弥漫大B细胞淋巴瘤（DLBCL）自动分类为其两种主要亚型的挑战：活化B细胞样（ABC）和生发中心B细胞样（GCB）。鉴于它们独特的分子特征和治疗反应，准确区分这些亚型对于确定适当的治疗策略至关重要。我们提出的深度学习模型表现出稳健的性能，在交叉验证中达到平均曲线下面积（AUC）为（87.4±5.7）%。它显示出较高的阳性预测值（PPV），凸显了其临床应用潜力，如用于分子检测的分诊。为了获得生物学见解，我们对ABC和GCB亚型的形态学特征进行了分析。我们使用预训练的深度神经网络分割细胞核，并比较了ABC和GCB的几何和颜色特征统计量。我们发现这两种亚型的这些特征分布差异不大，这表明它们之间的视觉差异更为微妙。这些结果强调了我们的方法在辅助更精确的亚型分类方面的潜力，并有助于改善DLBCL患者的治疗管理和预后。
引用
@article{arxiv.2411.08531,
title = {Classification and Morphological Analysis of DLBCL Subtypes in H\&E-Stained Slides},
author = {Ravi Kant Gupta and Mohit Jindal and Garima Jain and Epari Sridhar and Subhash Yadav and Hasmukh Jain and Tanuja Shet and Uma Sakhdeo and Manju Sengar and Lingaraj Nayak and Bhausaheb Bagal and Umesh Apkare and Amit Sethi},
journal= {arXiv preprint arXiv:2411.08531},
year = {2024}
}