基于深度学习的组织病理图像中AgNOR评分自动评估
图像与视频处理
2022-12-16 v1 计算机视觉与模式识别
摘要
核仁组织区（NORs）是参与RNA转录的DNA部分。由于相关蛋白的银亲和性，嗜银性NORs（AgNORs）可使用银基染色可视化。每个细胞核的平均AgNOR数已被证明是预测许多肿瘤预后的因素。由于人工检测AgNORs费力，自动化备受关注。我们提出一种基于深度学习的流水线，用于从组织病理切片中自动确定AgNOR评分。我们与六位病理学家开展了额外的标注实验，以提供对我们方法的独立性能评估。在所有评分者与图像上，我们发现专家与模型的AgNOR评分间均方误差为0.054，表明我们的方法具有可与人类媲美的性能。
引用
@article{arxiv.2212.07721,
title = {Deep Learning-Based Automatic Assessment of AgNOR-scores in Histopathology Images},
author = {Jonathan Ganz and Karoline Lipnik and Jonas Ammeling and Barbara Richter and Chloé Puget and Eda Parlak and Laura Diehl and Robert Klopfleisch and Taryn A. Donovan and Matti Kiupel and Christof A. Bertram and Katharina Breininger and Marc Aubreville},
journal= {arXiv preprint arXiv:2212.07721},
year = {2022}
}
备注
6 pages, 2 figures, 1 table