从人间充质基质细胞到骨肉瘤细胞的深度学习分类
计算机视觉与模式识别
2020-08-06 v1
摘要
癌症的早期诊断通常可带来更丰富的治疗选择。癌症确诊后，分期可提供关于体内疾病范围及特定治疗预期反应的关键信息。将癌症患者早期划分为高危或低危组的重要性，促使生物医学与生物信息学领域的众多研究团队探究深度学习（DL）方法的应用。DL 从复杂数据集中检测关键特征的能力，是早期诊断与癌细胞进展研究中的重大进展。本文关注骨肉瘤。骨肉瘤是一种主要发生在青少年人群中的原发性恶性骨肿瘤。我们对骨肉瘤细胞分类的贡献如下：应用 DL 方法区分人间充质基质细胞（MSCs）与骨肉瘤细胞，并对所研究的不同细胞群体进行分类。我们培养了包括 MSCs、分化为健康骨细胞（成骨细胞）的 MSCs 以及骨肉瘤细胞在内的不同细胞群体玻璃片，均为单一或混合细胞群。利用传统光学显微镜记录这些分离细胞（单一或混合类型）样本的图像。随后应用 DL 识别并分类单个细胞。我们采用恰当的数据增强技术与交叉验证，以评估卷积神经网络解决细胞检测与分类问题的能力。基于在单个细胞上取得的结果，以及我们 DL 方法的通用性与可扩展性，下一步将将其应用于区分并分类健康或癌组织，以推进数字病理学发展。
引用
@article{arxiv.2008.01864,
title = {From Human Mesenchymal Stromal Cells to Osteosarcoma Cells Classification by Deep Learning},
author = {Mario D'Acunto and Massimo Martinelli and Davide Moroni},
journal= {arXiv preprint arXiv:2008.01864},
year = {2020}
}
备注
Submitted authors' version