convoHER2：一种用于 HER2 乳腺癌多阶段分类的深度神经网络
图像与视频处理
2022-11-22 v1 计算机视觉与模式识别
摘要
一般而言，人表皮生长因子受体 2（HER2）乳腺癌比其他类型的乳腺癌更具侵袭性。目前，HER2 乳腺癌的检测依赖于昂贵的医学检测，且大多极为昂贵。因此，本研究旨在开发一种名为 convoHER2 的计算模型，利用卷积神经网络（CNN）通过图像数据检测 HER2 乳腺癌。苏木精和伊红（H&E）及免疫组化（IHC）染色图像已作为来自贝叶斯信息准则（BIC）基准数据集的原始数据使用。该数据集包含 4873 张 H&E 和 IHC 图像。在数据集的所有图像中，分别有 3896 张和 977 张用于训练和测试 convoHER2 模型。由于所有图像均为高分辨率，我们对其进行了尺寸调整以便输入 convoHER2 模型。癌样图像根据癌症分期（0+、1+、2+、3+）分为四类。convoHER2 模型使用 H&E 图像和 IHC 图像检测 HER2 癌症及其分级的准确率分别为 85% 和 88%。本研究结果表明，convoHER2 模型对 HER2 癌症的检测率足以在未来为患者提供更好的诊断以治愈其 HER2 乳腺癌。
引用
@article{arxiv.2211.10690,
title = {convoHER2: A Deep Neural Network for Multi-Stage Classification of HER2 Breast Cancer},
author = {M. F. Mridha and Md. Kishor Morol and Md. Asraf Ali and Md Sakib Hossain Shovon},
journal= {arXiv preprint arXiv:2211.10690},
year = {2022}
}