基于深度目标检测的乳腺癌组织病理图像有丝分裂分析
计算机视觉与模式识别
2020-03-20 v1 机器学习
机器学习
摘要
乳腺癌组织活检中有丝分裂核的经验性评估被认为是肿瘤分级和癌症进展的重要预后生物标志物。然而，由于缺少像素级标注、有丝分裂核形态多样、表征稀疏以及与无非丝分裂核高度相似，自动有丝分裂核检测面临诸多挑战。这些挑战削弱了自动检测模型的精度，使得在单一阶段中检测困难。本工作提出一种端到端检测系统用于乳腺癌组织病理图像中的有丝分裂核识别。基于深度目标检测的 Mask R-CNN 被改进用于有丝分裂核检测，其首先以最大召回率筛选候选有丝分裂区域。但在第二阶段，这些候选区域通过多目标损失函数进行精炼以提高精度。所提检测模型的性能显示出对有丝分裂核改进的判别能力（F-score 为 0.86），在 TUPAC16 数据集上相较两阶段检测模型（F-score 为 0.701）具有显著精度（0.86）。有前景的结果表明，基于深度目标检测的模型有潜力从弱标注数据中学习有丝分裂核的特征，并可用于组织病理图像中其他核体的识别。
引用
@article{arxiv.2003.08803,
title = {Deep Object Detection based Mitosis Analysis in Breast Cancer Histopathological Images},
author = {Anabia Sohail and Muhammad Ahsan Mukhtar and Asifullah Khan and Muhammad Mohsin Zafar and Aneela Zameer and Saranjam Khan},
journal= {arXiv preprint arXiv:2003.08803},
year = {2020}
}
备注
Tables: 4, Figures 11, Pages: 21