Histo-Miner：基于深度学习的皮肤鳞状细胞癌H&E全切片图像组织特征提取流程
摘要
数字病理学的最新进展，利用高分辨率显微镜和计算能力，使得对组织样本的全切片图像（WSI）进行全面分析成为可能。尽管取得了这些进展，但专门针对皮肤组织分析的标注数据集和开源流程仍然缺乏。在此，我们提出了Histo-Miner，一个基于深度学习的皮肤WSI分析流程，并生成了两个带有标注细胞核和肿瘤区域的数据集。我们开发此流程用于分析皮肤鳞状细胞癌（cSCC）的患者样本，这是一种常见的非黑色素瘤皮肤癌。利用这两个数据集（分别包含来自cSCC患者的47,392个标注细胞核和144个肿瘤分割的WSI），Histo-Miner采用卷积神经网络和视觉Transformer进行细胞核分割与分类以及肿瘤区域分割。训练模型的性能与当前最先进水平相比表现良好，细胞核分割的多类全景质量（mPQ）为0.569，细胞核分类的宏平均F1分数为0.832，肿瘤区域分割的平均交并比（mIoU）为0.907。根据这些预测，我们生成了一个紧凑的特征向量，用于总结组织形态和细胞相互作用，该向量可用于各种下游任务。在此，我们使用Histo-Miner基于45名患者治疗前的WSI来预测cSCC患者对免疫疗法的反应。Histo-Miner识别出淋巴细胞百分比、肿瘤附近的粒细胞与淋巴细胞比率以及肿瘤中粒细胞与浆细胞之间的距离作为治疗反应的预测特征。这凸显了Histo-Miner在临床相关场景中的适用性，为分类提供了直接解释，并提供了对潜在生物学的见解。
引用
@article{arxiv.2505.04672,
title = {Histo-Miner: Deep learning based tissue features extraction pipeline from H&E whole slide images of cutaneous squamous cell carcinoma},
author = {Lucas Sancéré and Carina Lorenz and Doris Helbig and Oana-Diana Persa and Sonja Dengler and Alexander Kreuter and Martim Laimer and Roland Lang and Anne Fröhlich and Jennifer Landsberg and Johannes Brägelmann and Katarzyna Bozek},
journal= {arXiv preprint arXiv:2505.04672},
year = {2026}
}
备注
37 pages including supplement, 5 core figures. Version 2: change sections order, add new supplementary sections, minor text updates. Version 3: Author addition and update of author contributions, increase font on 2 figures, minor text updates