利用深度学习对比低分辨率与高分辨率特征进行 HER2 评分
计算机视觉与模式识别
2025-03-31 v1 人工智能
摘要
乳腺癌是女性中最常见的恶性肿瘤，其精确检测与分类对于有效治疗至关重要。免疫组织化学（IHC）生物标志物如 HER2、ER 和 PR 对于识别乳腺癌亚型不可或缺。然而，传统的 IHC 分类依赖于病理学家的专业知识，不仅劳动密集，而且存在显著的观察者间差异。为应对这些挑战，本研究引入了印度病理学乳腺癌数据集（IPD-Breast），包含 1,272 张 IHC 切片（HER2、ER 和 PR），旨在实现受体状态分类的自动化。主要重点是开发用于 HER2 三分类（0、低、高）的预测模型，以改善预后。对多种深度学习模型的评估表明，采用低分辨率 IHC 图像的端到端 ConvNeXt 网络在三分类任务中取得了 91.79% 的 AUC、83.52% 的 F1 值和 83.56% 的准确率，在 F1 值上比基于图像块的方法高出超过 5.35%。本研究凸显了简单而有效的深度学习技术在显著提升乳腺癌分类准确性与可重复性方面的潜力，支持其融入临床工作流程以改善患者预后。
引用
@article{arxiv.2503.22069,
title = {Contrasting Low and High-Resolution Features for HER2 Scoring using Deep Learning},
author = {Ekansh Chauhan and Anila Sharma and Amit Sharma and Vikas Nishadham and Asha Ghughtyal and Ankur Kumar and Gurudutt Gupta and Anurag Mehta and C. V. Jawahar and P. K. Vinod},
journal= {arXiv preprint arXiv:2503.22069},
year = {2025}
}