基于 CNN 的全切片组织病理学图像宫颈癌分类方法
计算机视觉与模式识别
2020-05-29 v1 图像与视频处理
摘要
到 2040 年，宫颈癌每年将导致 460 000 例死亡，其中约 90% 为撒哈拉以南非洲女性。非洲发病率持续上升，使宫颈癌成为世界卫生组织（WHO）在筛查、诊断和治疗方面的优先事项。传统上，癌症诊断主要依赖组织病理学评估，这是一个极易出错的流程，需要智能计算机辅助系统作为低成本患者安全机制，但数字病理学中标记数据的缺乏限制了其适用性。在本研究中，来自 TCGA 数据门户的少量宫颈组织数字切片经过预处理以克服全切片图像的障碍，并纳入我们提出的 VGG16-CNN 分类方法。我们的结果达到了 98.26% 的准确率和 97.9% 的 F1 分数，证实了在此弱监督任务上迁移学习的潜力。
引用
@article{arxiv.2005.13924,
title = {CNN-based Approach for Cervical Cancer Classification in Whole-Slide Histopathology Images},
author = {Ferdaous Idlahcen and Mohammed Majid Himmi and Abdelhak Mahmoudi},
journal= {arXiv preprint arXiv:2005.13924},
year = {2020}
}
备注
Presented at the ICLR 2020 Workshop on AI for Overcoming Global Disparities in Cancer Care (AI4CC)