省去中间步骤：无需分割直接测量组织病理切片中的核面积
计算机视觉与模式识别
2016-06-21 v1
摘要
切除乳腺肿瘤组织学制备物中的细胞核大小可预测患者预后（大核指示预后不良）。病理学家在进行乳腺癌分级时会考虑核大小。此外，已证明平均核面积（MNA）具有独立的预后价值。测量核大小的直接方法是进行细胞核分割。我们假设，给定具有已知细胞核位置的肿瘤区域图像，通过采用机器学习模型可以直接从图像数据中可靠地计算单个细胞核的面积和区域统计量（如 MNA），而无需细胞核分割这一中间步骤。为此，我们训练了一个深度卷积神经网络模型，在每个细胞核位置局部应用，能够可靠地测量单个细胞核的面积和 MNA。此外，我们展示了如何将这种方法扩展以执行细胞核检测与测量的联合操作，这类似于颗粒测量的方法。
引用
@article{arxiv.1606.06127,
title = {Cutting out the middleman: measuring nuclear area in histopathology slides without segmentation},
author = {Mitko Veta and Paul J. van Diest and Josien P. W. Pluim},
journal= {arXiv preprint arXiv:1606.06127},
year = {2016}
}
备注
Conditionally accepted for MICCAI 2016