基于线粒体的肾细胞癌亚型分类：从深度与浅层特征表示中学习
机器学习
2016-08-03 v1
摘要
肾细胞癌 (RCC) 的准确亚型分类对于理解疾病进展和制定明智的治疗决策至关重要。新发现表明不同亚型间的线粒体存在显著改变，这使得基于免疫组化 (IHC) 染色的图像分类成为必要。迄今为止，由于巨大的 IHC 变异、缺乏用于细胞质分割的细胞膜染色，以及完全缺乏稳健且可复现的基于图像的分类系统，使得准确量化和亚型分类变得不可能。在本文中，我们提出了一种全面的分类框架，以克服肾细胞癌组织微阵列 (TMA) 的这些挑战。我们比较并评估了基于领域特定手工设计的“浅层”特征与来自预训练卷积神经网络 (CNN) 各层的“深度”特征表示的模型。最佳模型的交叉验证准确率达到 89%，首次证明了基于线粒体的肾癌稳健亚型分类是可行的。
引用
@article{arxiv.1608.00842,
title = {Mitochondria-based Renal Cell Carcinoma Subtyping: Learning from Deep vs. Flat Feature Representations},
author = {Peter J. Schüffler and Judy Sarungbam and Hassan Muhammad and Ed Reznik and Satish K. Tickoo and Thomas J. Fuchs},
journal= {arXiv preprint arXiv:1608.00842},
year = {2016}
}
备注
Presented at 2016 Machine Learning and Healthcare Conference (MLHC 2016), Los Angeles, CA