多器官癌症分类与生存分析
定量方法
2016-12-05 v2 机器学习
组织与器官
机器学习
摘要
准确且鲁棒的细胞核分类是数字病理学和计算病理学中更广泛任务的基石。然而，大多数机器学习系统需要病理学专家为每个具体问题进行大量标注，且数据集和器官部位之间的知识迁移能力有限或缺失。本文实现并评估了多种深度神经网络模型和模型集成，用于肾细胞癌（RCC）和前列腺癌（PCa）的细胞核分类。我们提出了一种基于残差学习的卷积神经网络系统，显著超越了细胞核分类的现有最佳水平。最后，我们证明在训练过程中结合不同组织类型不仅能提高分类准确率，还能改善总体生存分析。
引用
@article{arxiv.1606.00897,
title = {Multi-Organ Cancer Classification and Survival Analysis},
author = {Stefan Bauer and Nicolas Carion and Peter Schüffler and Thomas Fuchs and Peter Wild and Joachim M. Buhmann},
journal= {arXiv preprint arXiv:1606.00897},
year = {2016}
}