通过残差U-Net语义分割对前列腺组织病理学图像进行格里森分级
计算机视觉与模式识别
2020-05-26 v1 图像与视频处理
摘要
在全球范围内，前列腺癌是影响男性的主要癌症之一。前列腺癌的最终诊断基于病理学家对前列腺活检中格里森模式的视觉检测。计算机辅助诊断系统允许通过计算机视觉算法来描绘和分类组织中的癌变模式，以支持医生的任务。这项工作的核心方法是一个用于图像分割的 U-Net 卷积神经网络，该网络经过残差块修改，能够根据完整的格里森系统分割癌变组织。该模型优于其他知名架构，达到了像素级别的科恩二次卡帕系数 0.52，与文献中先前图像级别工作的水平相当，但同时也提供了模式的详细定位。
引用
@article{arxiv.2005.11368,
title = {Gleason Grading of Histology Prostate Images through Semantic Segmentation via Residual U-Net},
author = {Amartya Kalapahar and Julio Silva-Rodríguez and Adrián Colomer and Fernando López-Mir and Valery Naranjo},
journal= {arXiv preprint arXiv:2005.11368},
year = {2020}
}