用于组织病理切片上结直肠息肉自动分类的深度神经网络：一项多机构评估
图像与视频处理
2019-11-26 v2 计算机视觉与模式识别
摘要
结直肠息肉的组织学分类在结直肠癌筛查和患者诊疗中都起着关键作用。一个在数字组织病理切片上准确自动分类结直肠息肉的算法可使临床医生和患者受益。本研究利用多机构数据集评估深度神经网络在组织病理切片图像上分类结直肠息肉的性能并考察其泛化能力。在本研究中，我们基于来自新罕布什尔州 Dartmouth-Hitchcock Medical Center (DHMC) 的数字组织病理切片，开发了一个深度神经网络，用于分类四种主要结直肠息肉类型：管状腺瘤、管状绒毛状/绒毛状腺瘤、增生性息肉和广基锯齿状腺瘤。我们在来自 DHMC 的 157 张组织病理切片图像的内部数据集，以及来自美国 13 个州共 24 家不同机构的 238 张组织病理切片图像的外部数据集上评估了该深度神经网络。我们在评估中测量了模型的准确率、灵敏度和特异度，并将其性能与相应病理实验室提取的现场病理医生诊断进行比较。在内部评估中，深度神经网络的均值为 93.5%（95% CI 89.6%-97.4%），而本地病理医生准确率为 91.4%（95% CI 87.0%-95.8%）。在外部测试集上，深度神经网络达到 87.0% 的准确率（95% CI 82.7%-91.3%），与本地病理医生 86.6% 的准确率（95% CI 82.3%-90.9%）相当。若在临床环境中得到验证，我们的模型可通过提高结直肠癌筛查的诊断效率、可重复性和准确性来辅助病理医生。
引用
@article{arxiv.1909.12959,
title = {Deep neural networks for automated classification of colorectal polyps on histopathology slides: A multi-institutional evaluation},
author = {Jason W. Wei and Arief A. Suriawinata and Louis J. Vaickus and Bing Ren and Xiaoying Liu and Mikhail Lisovsky and Naofumi Tomita and Behnaz Abdollahi and Adam S. Kim and Dale C. Snover and John A. Baron and Elizabeth L. Barry and Saeed Hassanpour},
journal= {arXiv preprint arXiv:1909.12959},
year = {2019}
}