用于增强有丝分裂细胞计数的感兴趣区域提议：两种卷积网络的比较

人类与兽医组织病理学中的大多数肿瘤分级系统都基于组织切片某一参考区域内的有丝分裂象绝对计数。由于在诊断环境中用于预后判断的时间有限，病理学家通常会近乎任意地选择一个假定有丝分裂活性最高的感兴趣区域。然而，由于有丝分裂象在切片上通常非常稀疏且常呈斑块状分布，这造成了一种已知能够影响肿瘤预后判断的采样问题。另一方面，有丝分裂象的自动检测尚不能认为足够可靠以用于临床应用。为了辅助人类专家的工作并同时降低肿瘤分级的变异度，评估全切片图像（WSI）中有丝分裂活性最高的区域并将其用作人工计数的参考区域是有益的。针对此任务，我们比较了两种基于卷积神经网络（CNN）的感兴趣区域提议方法。两种方法均由CNN对WSI进行分割以评估有丝分裂活性。第一种方法在原始图像分辨率下进行分割，而第二种方法在显著降低的分辨率下进行分割操作，从而削减处理复杂度。我们使用包含32张完全标注的犬肥大细胞瘤全切片图像的数据集评估该方法，其中22张用于网络训练，10张用于测试。我们的结果表明，尽管基于高分辨率网络的方法与真实有丝分裂活性的总体相关性显著更高（0.94对比0.83），但其感兴趣区域的选择仅略优。两种方法所提议的感兴趣区域均包含各自切片中处于上四分位的有丝分裂计数。