利用一次性颜色解卷积深度神经网络泛化多染色免疫组化组织分割
计算机视觉与模式识别
2018-09-25 v3
摘要
癌症免疫治疗生物标志物研究中的一个关键挑战是量化肿瘤活检显微全切片图像中的模式变化。不同细胞类型往往迁移至不同组织区室并形成可变分布模式。药物开发需要关联分析组织区室内及区室间的各种生物标志物。为此，组织切片由专家病理学家手动标注。手动标注组织切片是一项劳动密集、繁琐且易出错的任务。该标注过程的自动化可提高准确性与一致性，同时降低工作量和成本，从而对药物开发工作产生积极影响。本文提出一种新的一次性颜色解卷积深度学习方法，自动将多重染色的数字化切片图像分割并标注为肿瘤、健康组织和坏死区室。我们在存在多种染色、组织和肿瘤类型的药物开发背景下处理该任务，并探讨针对这些图像总体的泛化解决方案。
引用
@article{arxiv.1805.06958,
title = {Generalizing multistain immunohistochemistry tissue segmentation using one-shot color deconvolution deep neural networks},
author = {Amal Lahiani and Jacob Gildenblat and Irina Klaman and Nassir Navab and Eldad Klaiman},
journal= {arXiv preprint arXiv:1805.06958},
year = {2018}
}