使用深度迁移学习对上皮性卵巢癌全切片病理图像进行分类
图像与视频处理
2020-06-30 v2 计算机视觉与模式识别
摘要
卵巢癌是女性生殖器官中最致命的癌症。上皮性卵巢癌有种主要组织学亚型，每种具有独特的形态学、遗传学和临床特征。目前，这些组织型由病理学家对肿瘤全切片图像（WSI）的显微镜检查确定。该过程受观察者间一致性差（Cohen's kappa -）的阻碍。我们利用基于卷积神经网络（CNN）和渐进式尺寸调整的两阶段深度迁移学习算法，对上皮性卵巢癌WSI进行自动分类。所提算法在张WSI的切片级分类中达到了的平均准确率和的Cohen's kappa，优于标准CNN和未接受妇科专门训练的病理学家。
引用
@article{arxiv.2005.10957,
title = {Classification of Epithelial Ovarian Carcinoma Whole-Slide Pathology Images Using Deep Transfer Learning},
author = {Yiping Wang and David Farnell and Hossein Farahani and Mitchell Nursey and Basile Tessier-Cloutier and Steven J. M. Jones and David G. Huntsman and C. Blake Gilks and Ali Bashashati},
journal= {arXiv preprint arXiv:2005.10957},
year = {2020}
}