DLBCL-Morph：基于深度学习计算形态学特征用于标注的数字DLBCL图像集
计算机视觉与模式识别
2020-09-25 v3 人工智能
机器学习
摘要
弥漫大B细胞淋巴瘤（DLBCL）是最常见的非霍奇金淋巴瘤。尽管在组织学上DLBCL表现出不同的形态，但尚无形态学特征被一致证明与预后相关。我们对209例具有相关临床和细胞遗传学数据的DLBCL病例的组织学切片进行了形态学分析。将重复的组织芯切片排列于组织微阵列（TMAs）中，并用H&E以及CD10、BCL6、MUM1、BCL2和MYC的免疫组织化学染色对复制切片进行染色。TMAs附有病理学家标注的兴趣区域（ROIs），其识别代表DLBCL的组织区域。我们使用深度学习模型分割ROIs中的所有肿瘤细胞核，并为每个分割的细胞核计算若干几何特征。我们拟合了Cox比例风险模型以证明这些几何特征在预测生存结局中的效用，并发现其达到了0.635（0.574,0.691）的C指数（95% CI）。我们的发现表明，从肿瘤细胞核计算的几何特征具有预后重要性，并应在前瞻性研究中得到验证。
引用
@article{arxiv.2009.08123,
title = {DLBCL-Morph: Morphological features computed using deep learning for an annotated digital DLBCL image set},
author = {Damir Vrabac and Akshay Smit and Rebecca Rojansky and Yasodha Natkunam and Ranjana H. Advani and Andrew Y. Ng and Sebastian Fernandez-Pol and Pranav Rajpurkar},
journal= {arXiv preprint arXiv:2009.08123},
year = {2020}
}
备注
Corrections to folder structure figure