Hoechst 即所需：基于深度学习的淋巴细胞分类
计算机视觉与模式识别
2021-07-19 v2 人工智能
机器学习
摘要
多重免疫荧光和免疫组化通过让癌症病理学家识别细胞表面表达的若干蛋白质而使患者受益，从而实现细胞分类、更好理解肿瘤微环境、更准确的诊断、预后以及基于个体患者免疫状态的定制化免疫治疗。然而，它们是昂贵且耗时的过程，需要专业技师进行复杂的染色和成像技术。Hoechst 染色便宜得多且更易操作，但在此情况下通常不采用，因为它结合 DNA 而非免疫荧光技术靶向的蛋白质，且此前认为仅基于 DNA 形态不可能区分表达这些蛋白质的细胞。在本工作中我们证明并非如此，训练深度卷积神经网络从仅 Hoechst 33342 染色的组织中以大于 90% 的精确率和召回率识别表达三种蛋白质（T 淋巴细胞标志物 CD3 和 CD8，以及 B 淋巴细胞标志物 CD20）的细胞。我们的模型学习了与这些蛋白质表达相关的先前未知的形态特征，可用于准确区分淋巴细胞亚型，以用于关键预后指标如免疫浸润评估，从而无需昂贵的多重免疫荧光即可预测并改善患者结局。
引用
@article{arxiv.2107.04388,
title = {Hoechst Is All You Need: Lymphocyte Classification with Deep Learning},
author = {Jessica Cooper and In Hwa Um and Ognjen Arandjelović and David J Harrison},
journal= {arXiv preprint arXiv:2107.04388},
year = {2021}
}
备注
15 pages, 4 figures