基于深度学习的细胞学切片中肺含铁血黄素巨噬细胞量化
图像与视频处理
2021-03-01 v1 计算机视觉与模式识别
机器学习
摘要
目的：运动诱发性肺出血（EIPH）是运动马常见的综合征，对性能有负面影响。采用评分系统的支气管肺泡灌洗液细胞学检查被认为是最敏感的诊断方法。巨噬细胞依据胞质含铁血黄素含量程度分类。当前金标准为人工分级，但单调且耗时。方法：我们评估了基于最先进深度学习的单细胞核巨噬细胞分类方法，并将其与九位细胞学专家的表现进行比较，同时评估观察者间与观察者内变异性。此外，我们在一个包含 17 张完全标注的细胞学全切片图像（WSI）、含 78,047 个含铁血黄素巨噬细胞的新数据集上评估了目标检测方法。结果：我们的深度学习方法的吻合度为 0.85，部分超过人类专家吻合度（0.68 至 0.86，μ=0.73，σ=0.04）。观察者内变异性高（0.68 至 0.88），观察者间吻合度中等（Fleiss kappa = 0.67）。我们的目标检测方法在来自全切片十亿像素图像的五个类别上平均精度均值为 0.66，计算时间低于两分钟。结论：为减轻高观察者间与观察者内变异性，我们提出自动化目标检测流程，可在 WSI 中实现准确、可重复且快速的 EIPH 评分。
引用
@article{arxiv.1908.04767,
title = {Deep Learning-Based Quantification of Pulmonary Hemosiderophages in Cytology Slides},
author = {Christian Marzahl and Marc Aubreville and Christof A. Bertram and Jason Stayt and Anne-Katherine Jasensky and Florian Bartenschlager and Marco Fragoso-Garcia and Ann K. Barton and Svenja Elsemann and Samir Jabari and Jens Krauth and Prathmesh Madhu and Jörn Voigt and Jenny Hill and Robert Klopfleisch and Andreas Maier},
journal= {arXiv preprint arXiv:1908.04767},
year = {2021}
}