用于结直肠癌组织学切片中组织分割与肿瘤检测的多任务学习
图像与视频处理
2023-04-07 v1 计算机视觉与模式识别
摘要
在结直肠癌（CRC）组织病理学图像中自动化组织分割与肿瘤检测可加速诊断病理工作流程。同时，由于公开标注数据集稀缺且图像外观高度可变，这是一项具有挑战性的任务。2023 年 CRC 检测半监督学习（SemiCOL）挑战赛提供部分标注数据以鼓励开发用于组织分割与肿瘤检测的自动化解决方案。我们提出了一种基于 U-Net 的多任务模型，结合通道级与基于图像统计的颜色增强以及测试时增强，作为 SemiCOL 挑战赛的候选方案。我们的方法在挑战验证集上取得了组织分割多任务 Dice 分数 .8655（Arm 1）和 .8515（Arm 2），以及肿瘤检测 AUROC .9725（Arm 1）和 0.9750（Arm 2）。我们方法的源代码公开于 https://github.com/lely475/CTPLab_SemiCOL2023。
引用
@article{arxiv.2304.03101,
title = {Multi-task learning for tissue segmentation and tumor detection in colorectal cancer histology slides},
author = {Lydia A. Schoenpflug and Maxime W. Lafarge and Anja L. Frei and Viktor H. Koelzer},
journal= {arXiv preprint arXiv:2304.03101},
year = {2023}
}