基于深度学习利用错配修复标志物预测结直肠癌微卫星不稳定性
定量方法
2022-04-27 v3 计算机视觉与模式识别
图像与视频处理
摘要
结直肠癌的准确诊断和分子分型对于为患者规划最佳治疗方案至关重要。微卫星不稳定性（MSI）或错配修复（MMR）状态在适当治疗选择中起着至关重要的作用，具有预后意义，并用于研究患者是否存在潜在遗传性疾病（Lynch综合征）的可能性。NICE建议所有结直肠癌患者都应接受MMR/MSI检测。免疫组织化学通常用于评估MMR状态，随后根据需要进行的分子检测。这会产生显著的额外成本并需要额外资源。引入能够从目标图像预测MSI或MMR状态的自动化方法，可以大幅降低与MMR检测相关的成本。与以往使用粗粒度标签（MSI vs 微卫星稳定（MSS））训练卷积神经网络进行MSI预测的研究不同，我们利用细粒度的MMR标签进行训练。在本文中，我们介绍了使用单张CK8/18或H&E染色的目标玻片，通过两阶段过程预测MSI状态的工作。首先，我们训练了一个多头卷积神经网络模型，其中每个头负责预测一种MMR蛋白的表达。为此，我们将MMR染色玻片配准到目标玻片作为预处理步骤。在第二阶段，从MMR预测图中计算出的统计特征被用于最终的MSI预测。我们的结果表明，与之前仅使用粗粒度标签的方法相比，通过结合细粒度的MMR标签可以改进MSI分类。
引用
@article{arxiv.2203.00449,
title = {Deep Learning based Prediction of MSI using MMR Markers in Colorectal Cancer},
author = {Ruqayya Awan and Mohammed Nimir and Shan E Ahmed Raza and Mohsin Bilal and Johannes Lotz and David Snead and Andrew Robinson and Nasir Rajpoot},
journal= {arXiv preprint arXiv:2203.00449},
year = {2022}
}