基于深度学习的开源工具包用于小儿嗜酸性食管炎中嗜酸性粒细胞检测
图像与视频处理
2023-08-15 v1 计算机视觉与模式识别
摘要
嗜酸性食管炎（EoE）是一种慢性、免疫/抗原介导的食管疾病，以食管功能障碍相关症状和嗜酸性粒细胞主导性炎症的组织学证据为特征。由于 EoE 在成像中的微观表现复杂，当前依赖人工识别的方法不仅费力而且易出错。本研究中，我们开发了一个名为 Open-EoE 的开源工具包，通过 Docker 使用一行命令执行端到端的全切片图像（WSI）级嗜酸性粒细胞（Eos）检测。具体而言，该工具包支持三种最先进的基于深度学习的对象检测模型。此外，Open-EoE 通过实施集成学习策略进一步优化性能，提升了结果的精度与可靠性。实验结果表明，Open-EoE 工具包可在含 289 张 WSI 的测试集上高效检测 Eos。在诊断 EoE 被广泛接受的阈值（每高倍视野 >= 15 个 Eos）下，Open-EoE 达到了 91% 的准确率，显示出与病理医生评估的良好一致性。这提示了将机器学习方法整合入 EoE 诊断流程的有前景途径。Docker 与源代码已公开于 https://github.com/hrlblab/Open-EoE。
引用
@article{arxiv.2308.06333,
title = {Deep Learning-Based Open Source Toolkit for Eosinophil Detection in Pediatric Eosinophilic Esophagitis},
author = {Juming Xiong and Yilin Liu and Ruining Deng and Regina N Tyree and Hernan Correa and Girish Hiremath and Yaohong Wang and Yuankai Huo},
journal= {arXiv preprint arXiv:2308.06333},
year = {2023}
}