基于超像素与 CNN 分类的结肠癌组织学全切片快速制图
图像与视频处理
2022-03-17 v3 计算机视觉与模式识别
摘要
在数字化组织学标本中自动勾画不同组织类型,为后续分析提供基础,并可能指导后续的医疗决策。然而,全切片图像(WSI)的巨大尺寸在计算时间上构成了挑战。在这方面,对非重叠图块的分析优于逐像素分割方法,但仍有优化空间。此外,无论所含生物结构如何都将图像划分为图块,会因丢失局部依赖性而成为一个缺陷。我们提出在分类前通过将视觉相似的相邻像素分组为超像素,将 WSI 细分为连贯区域。之后,仅对每个超像素中的随机图块子集进行分类,并将图块标签组合为超像素标签。我们提出了一种用于识别分类不确定超像素的度量,并评估了两个医学应用,即肿瘤区域与浸润边缘估计以及肿瘤组成分析。该算法在 159 张手工标注的结肠切除 WSI 上开发,其性能与无先验分割的分析进行比较。算法显示出平均 41% 的加速,准确率从 93.8% 提高到 95.7%。通过对不确定超像素赋予拒绝标签,我们进一步将准确率提高 0.4%。虽然肿瘤区域估计与标注区域高度一致,但肿瘤组成分析凸显了我们方法的局限性。通过结合超像素分割与图块分类,我们设计了一个快速且准确的全切片制图框架,该框架与 AI 模型无关,并为各种医学终点提供基础。
引用
@article{arxiv.2106.15893,
title = {Fast whole-slide cartography in colon cancer histology using superpixels and CNN classification},
author = {Frauke Wilm and Michaela Benz and Volker Bruns and Serop Baghdadlian and Jakob Dexl and David Hartmann and Petr Kuritcyn and Martin Weidenfeller and Thomas Wittenberg and Susanne Merkel and Arndt Hartmann and Markus Eckstein and Carol I. Geppert},
journal= {arXiv preprint arXiv:2106.15893},
year = {2022}
}
备注
28 pages, 17 figures, 5 tables, published in SPIE Journal of Medical Imaging