以免疫组化为参考标准在 H&E 染色前列腺标本中使用深度学习进行上皮分割
计算机视觉与模式识别
2019-02-11 v2
摘要
前列腺癌 (PCa) 由病理学家通过检查 H&E 染色切片上癌性上皮组织的构筑模式进行分级。鉴于腺体形态的重要性，自动区分腺上皮组织与其他组织是开发自动检测 PCa 方法的重要前提。我们提出一种使用深度学习自动分割数字化前列腺切除切片中上皮组织的新方法。我们采用免疫组化 (IHC) 使真值相比 H&E 切片上人工勾画更客观、更精确，尤其在高分级和分化不良 PCa 区域。我们的数据集包含 102 个组织块，包括低级别和高级别 PCa。从每个块切取一个新切片，H&E 染色、扫描，用 P63 和 CK8/18 复染以突出上皮结构，再次扫描。H&E 切片与 IHC 切片配准。在 IHC 切片子集上我们应用颜色反卷积，手动校正染色误差，并训练 U-Net 执行上皮结构分割。由 IHC U-Net 生成的整片分割掩码用于训练第二个 H&E 上的 U-Net。我们的系统实现精确的细胞级分割，并分割完整腺体及单个（肿瘤）上皮细胞。我们在留出测试集上达到 0.895 的 F1 分数，在来自不同中心的外部参考集上达到 0.827。我们设想该分割作为全自动前列腺癌检测与分级流程的第一部分。
引用
@article{arxiv.1808.05883,
title = {Epithelium segmentation using deep learning in H&E-stained prostate specimens with immunohistochemistry as reference standard},
author = {Wouter Bulten and Péter Bándi and Jeffrey Hoven and Rob van de Loo and Johannes Lotz and Nick Weiss and Jeroen van der Laak and Bram van Ginneken and Christina Hulsbergen-van de Kaa and Geert Litjens},
journal= {arXiv preprint arXiv:1808.05883},
year = {2019}
}