利用深度卷积神经网络识别前哨淋巴结中的转移瘤
计算机视觉与模式识别
2016-08-05 v1
摘要
淋巴结中存在转移是乳腺癌最重要的预后变量之一。然而，当前手动检查前哨淋巴结的诊断程序非常耗时且主观。病理学家必须手动扫描整个数字全切片图像（WSI）以寻找转移区域，这些区域有时仅在高分辨率下才可检测到，或完全隐藏在人类视觉皮层之外。2015 年 10 月至 2016 年 4 月，国际生物医学成像研讨会（ISBI）举办了 Camelyon Grand Challenge 2016，以众包自动检测淋巴结转移的想法和算法。我们使用一种可推广的染色归一化技术和 Proscia Pathology Cloud 计算平台，在数百万个组织和肿瘤图像块上训练了一个深度卷积神经网络，对我们的全切片图像测试集进行基于切片的评估，达到了 0.96 的灵敏度、0.89 的特异性和 0.90 的 AUC 分数。我们的结果表明，我们的平台可以自动扫描任何 WSI 以寻找转移区域，而无需针对各自的染色特征进行机构校准。
引用
@article{arxiv.1608.01658,
title = {Identifying Metastases in Sentinel Lymph Nodes with Deep Convolutional Neural Networks},
author = {Richard Chen and Yating Jing and Hunter Jackson},
journal= {arXiv preprint arXiv:1608.01658},
year = {2016}
}