组织学图像中癌症相关淋巴聚集体的《银河系漫游指南》：手动与基于深度学习的量化方法
组织与器官
2024-03-08 v1 计算机视觉与模式识别
定量方法
摘要
在癌症组织学图像中量化包括带有生发中心的三级淋巴结构在内的淋巴聚集体，是开发预后和预测性组织生物标志物的一种有前景的方法。在本文中，我们就如何在常规病理工作流程（如苏木精 - 伊红染色）的组织切片中识别淋巴聚集体提供了建议。为了克服手动图像分析固有的变异性（如主观决策、注意力跨度），我们最近开发了一种名为 HookNet-TLS 的基于深度学习的算法，用于检测各种组织中的淋巴聚集体和生发中心。在此，我们还提供了使用手动标注图像进行训练和实施 HookNet-TLS 的指南，以实现对各种癌症类型中淋巴聚集体的自动化和客观量化。
引用
@article{arxiv.2403.04142,
title = {Hitchhiker's guide to cancer-associated lymphoid aggregates in histology images: manual and deep learning-based quantification approaches},
author = {Karina Silina and Francesco Ciompi},
journal= {arXiv preprint arXiv:2403.04142},
year = {2024}
}
备注
14 pages, 3 figures, 1 table, 3 boxes, protocol/guideline