用于全切片图像中胃印戒细胞癌分类的深度学习模型
图像与视频处理
2020-11-19 v1 计算机视觉与模式识别
摘要
胃印戒细胞癌 (SRCC) 是一种罕见癌症，其发病率缓慢上升。主要由于其细胞形态与弥漫性浸润方式，病理医生往往更难检出，且在晚期检出时预后不良。能够辅助病理医生检测 SRCC 的计算病理学工具将带来巨大益处。本文中，我们利用迁移学习、全监督学习和弱监督学习训练深度学习模型，使用包含 1,765 张全切片图像 (WSIs) 的训练集来预测 WSI 中的 SRCC。我们在四个各约 500 张图像的测试集上评估了模型。最佳模型在所有四个测试集上均达到了至少 0.99 的受试者工作特征曲线 (ROC) 曲线下面积 (AUC)，为 SRCC 的 WSI 分类树立了顶级基线性能。
引用
@article{arxiv.2011.09247,
title = {Deep learning models for gastric signet ring cell carcinoma classification in whole slide images},
author = {Fahdi Kanavati and Shin Ichihara and Michael Rambeau and Osamu Iizuka and Koji Arihiro and Masayuki Tsuneki},
journal= {arXiv preprint arXiv:2011.09247},
year = {2020}
}