用于预测黑色素瘤全切片图像转移的深度学习
图像与视频处理
2023-03-13 v1 计算机视觉与模式识别
摘要
北欧地区全球黑色素瘤死亡率居第二高。2020年，黑色素瘤死亡率升至每10万居民1.9例。黑色素瘤预后基于病理学家对患者肿瘤的主观视觉分析。该方法极为耗时，且专家间预后差异显著，严重损害其可重复性。因此，亟需更快速且可重复性更高的方法。机器学习已步入数字病理学，但迄今为止，多数贡献集中于定位、分割与诊断，对预后的关注甚少。本文提出一种基于 VGG16 的卷积神经网络 (CNN) 方法，以五年内是否发生转移来预测黑色素瘤预后。从全切片图像 (WSIs) 的感兴趣区域提取不同放大倍数下的图像块，用于模型训练与验证。结果表明，使用20倍放大倍数的 WSI 图像块性能最佳，F1 分数为0.7667，AUC 为0.81。
引用
@article{arxiv.2303.05752,
title = {Deep Learning for Predicting Metastasis on Melanoma WSIs},
author = {Christopher Andreassen and Saul Fuster and Helga Hardardottir and Emiel A. M. Janssen and Kjersti Engan},
journal= {arXiv preprint arXiv:2303.05752},
year = {2023}
}