基于深度学习的乳腺生物标本H&E染色图像中的HER2和FISH状态预测
图像与视频处理
2024-09-27 v3 计算机视觉与模式识别
摘要
检测人类肿瘤相关蛋白2 (HER2) 状态的当前标准方法依赖于通过荧光原位杂交 (FISH) 或免疫组织化学 (IHC) 识别HER2扩增。然而，血管胸苷和赤蛋白染色（H&E）肿瘤染色质更广泛可用，准确预测HER2状态将有助于降低成本并加快治疗方案的选择。深度学习算法在预测各种癌症特征和临床结局方面已显示出效力，包括在HER2状态预测方面取得中等成功。在本工作中，我们采用定制的弱监督分类技术结合MoCo-v2对比学习来预测HER2状态。我们在The Cancer Genome Atlas (TCGA)中公开获取的182张H&E全切片图像（WSI）上进行训练，这些图像的标注来自Yale School of Medicine的病理团队。我们的管道在四个不同的测试折叠中实现了0.85的ROC曲线下面积（AUC）。此外，我们在TCGA-BRCA数据集中测试了44张HER2得分为2+的H&E切片，这些切片包含相应的HER2状态和FISH检测结果。这些病例被视为IHC的等效值，需对IHC切片进行昂贵的FISH检测以进行消歧化。我们的管道在这些具有挑战性的H&E切片上实现了0.81的AUC。减少FISH检测的需求对癌症治疗公平性具有重大意义，尤其是对于资源不足的群体。
引用
@article{arxiv.2408.13818,
title = {HER2 and FISH Status Prediction in Breast Biopsy H&E-Stained Images Using Deep Learning},
author = {Ardhendu Sekhar and Vrinda Goel and Garima Jain and Abhijeet Patil and Ravi Kant Gupta and Tripti Bameta and Swapnil Rane and Amit Sethi},
journal= {arXiv preprint arXiv:2408.13818},
year = {2024}
}