利用自编码器和有限标注通过免疫组化全切片图像中的异常染色模式诊断幽门螺杆菌
图像与视频处理
2024-12-19 v1 计算机视觉与模式识别
机器学习
摘要
目的：本工作解决了在免疫组化染色的组织学图像中检测幽门螺杆菌的问题。这项分析是一项耗时的任务，目前由专家病理学家通过目视检查样本完成。鉴于在图像中定位病原体所需的工作量，在初始设置中可能只有有限数量的标注可用。我们的目标是设计一种方法，利用有限的标注集，能够获得足够好的结果以用作辅助工具。方法：我们提出使用自编码器学习健康斑块的潜在模式，并在HSV空间中制定图像重建误差的特定度量。使用ROC分析设置该度量的最优阈值，以及样本中阳性斑块的百分比，以确定幽门螺杆菌的存在。结果：我们的方法在包含245张全切片图像的自有数据库上进行了测试，其中117例无幽门螺杆菌，其余病例中细菌密度不同。该数据库有1211个标注斑块，其中只有163个阳性斑块。该阳性标注数据集用于训练基线阈值法和使用预训练RedNet18和ViT模型特征的SVM。10折交叉验证显示，我们的方法在幽门螺杆菌诊断中具有更好的性能，准确率91%，灵敏度86%，特异度96%，AUC 0.97。结论：与分类方法不同，我们的浅层自编码器结合阈值自适应检测异常染色，能够在有限标注数据下取得有竞争力的结果。这种初始方法足以用作快速标注感染斑块的指导。
引用
@article{arxiv.2412.13857,
title = {Diagnosising Helicobacter pylori using AutoEncoders and Limited Annotations through Anomalous Staining Patterns in IHC Whole Slide Images},
author = {Pau Cano and Eva Musulen and Debora Gil},
journal= {arXiv preprint arXiv:2412.13857},
year = {2024}
}