在手机采集的冰冻切片图像上训练的深度学习模型有效检测基底细胞癌
计算机视觉与模式识别
2020-11-24 v1 人工智能
机器学习
摘要
背景：使用冰冻切片进行基底细胞癌的切缘评估是病理术中会诊的常见任务。尽管通常直截了当，但判定组织切片中是否存在基底细胞癌有时颇具挑战。我们探究在手机采集的冰冻切片图像上训练的深度学习模型能否具备足以未来部署的性能。材料与方法：为评估基底细胞癌切缘状态而制作的 1241 张冰冻切片图像使用手机采集。照片在 100 倍放大（10 倍物镜）下拍摄。图像从 4032 x 3024 像素分辨率下采样至 576 x 432 像素分辨率。使用带 Xception 主干的语义分割算法 Deeplab V3 进行模型训练。结果：模型以图像为输入，产生同维度的二维黑白预测输出；判定为基底细胞癌的区域以白色显示于黑色背景上。任何白色像素数超过总像素数 0.5% 的输出均视为基底细胞癌阳性。在测试集上，模型在像素级接收者操作曲线下面积为 0.99，精确率-召回率曲线下面积为 0.97。切片级分类准确率为 96%。结论：用手机图像训练的深度学习模型表现出令人满意的性能特征，从而展示了作为手机应用实时辅助冰冻切片解读的潜力。
引用
@article{arxiv.2011.11081,
title = {Deep learning model trained on mobile phone-acquired frozen section images effectively detects basal cell carcinoma},
author = {Junli Cao and B. S. and Junyan Wu and M. S. and Jing W. Zhang and M. D. and Ph. D. and Jay J. Ye and M. D. and Ph. D. and Limin Yu and M. D. and M. S},
journal= {arXiv preprint arXiv:2011.11081},
year = {2020}
}