基于深度学习检测 H&E 乳腺癌全切片图像中与缺氧相关的形态学特征
计算机视觉与模式识别
2023-11-22 v1 机器学习
组织与器官
摘要
当肿瘤细胞生长超出其血液供应时，会发生缺氧，导致肿瘤内出现低氧区域。计算缺氧水平是理解肿瘤生物学、临床进展及治疗反应的重要一步。本研究展示了深度学习在乳腺癌组织形态学背景下评估缺氧的新应用。更确切地说，我们表明弱监督深度学习（WSDL）模型能够准确检测常规苏木精和伊红（H&E）全切片图像（WSI）中与缺氧相关的特征。我们在来自乳腺癌原发部位的 WSI H&E 组织图块（n=240）上训练并评估了一个深度多示例学习模型，在留出测试集上平均获得 0.87 的 AUC。我们还展示了由 WSDL 模型区分的缺氧与常氧组织区域特征之间的显著差异。此类 DL 缺氧 H&E WSI 检测模型有可能扩展到其他肿瘤类型，并易于整合进病理工作流程，而无需额外的昂贵检测。
引用
@article{arxiv.2311.12601,
title = {Deep learning-based detection of morphological features associated with hypoxia in H&E breast cancer whole slide images},
author = {Petru Manescu and Joseph Geradts and Delmiro Fernandez-Reyes},
journal= {arXiv preprint arXiv:2311.12601},
year = {2023}
}
备注
Under review