深入Gleason评分量表：一种用于组织学前列腺分级与筛状模式检测的端到端自动系统
图像与视频处理
2021-05-25 v1 计算机视觉与模式识别
摘要
Gleason评分系统是前列腺癌主要的诊断与预后工具。近年来，随着数字化设备的发展，计算机视觉技术用于活检分析日益增多。然而，据作者所知，自动检测属于Gleason 4级的个体筛状模式的算法尚未在文献中被研究。本文工作的目标是开发一种基于深度学习的系统，能够支持病理学家在日常前列腺活检分析中的工作。本工作的核心方法是一种基于卷积神经网络的块级预测模型，能够确定癌性模式的存在。特别地，我们从头训练了一个简单的自主设计架构。筛状模式通过重新训练网络最后卷积层的滤波器组来检测。根据重建的预测图，我们计算组织中各Gleason级别的比例，以输入一个多层感知机，从而提供活检级评分。在我们的SICAPv2数据库中，包含182张标注全切片图像，所提出的从头训练架构在测试集上获得了块级Gleason分级的Cohen二次kappa为0.77。我们的结果优于文献中先前报道的结果。此外，在基于患者的四组交叉验证中，该模型达到了微调最先进架构的水平。在筛状模式检测任务中，我们获得的ROC曲线下面积为0.82。关于活检Gleason评分，我们在测试子集上实现了0.81的二次Cohen's Kappa。从头训练的浅层CNN架构在Gleason级别分类上优于当前最先进方法。
引用
@article{arxiv.2105.10490,
title = {Going Deeper through the Gleason Scoring Scale: An Automatic end-to-end System for Histology Prostate Grading and Cribriform Pattern Detection},
author = {Julio Silva-Rodríguez and Adrián Colomer and María A. Sales and Rafael Molina and Valery Naranjo},
journal= {arXiv preprint arXiv:2105.10490},
year = {2021}
}