乳腺全切片图像中浸润性癌的多中心自动检测
图像与视频处理
2023-01-18 v1 机器学习
摘要
乳腺癌是全球最常见的癌症之一，病理学家密切参与确立诊断。需要辅助诊断的工具来应对日益增加的工作量。在此背景下，人工智能 (AI) 和基于深度学习的工具可用于日常病理学实践。然而，开发无论在哪个医疗中心都能被从业者信任的快速且可靠的算法具有挑战性。我们描述了一种基于图像块的算法，该算法结合卷积神经网络来检测和定位乳腺全切片图像上的浸润性癌。该网络在一个从参考采集中心提取的数据集上进行了训练。然后，我们执行了基于迁移学习的校准步骤，通过使用有限数量的额外训练数据，在迁移到新的目标采集中心时保持性能。使用经典的二元指标（准确率、召回率、精确率）在两个中心（称为测试参考数据集和测试目标数据集）和两个层级（图像块层级和切片层级）评估了性能。在图像块层级，模型在参考测试集和目标测试集上的准确率、召回率和精确率分别为 92.1% 和 96.3%、95% 和 87.8%、73.9% 和 70.6%。在切片层级，测试集 1 和 2 的准确率、召回率和精确率分别为 97.6% 和 92.0%、90.9% 和 100%、100% 和 70.8%。该算法在两个中心的高性能表明校准过程是高效的。该校准使用来自新目标采集中心的有限训练数据执行，并要求模型事先在来自参考中心的大型数据库上进行训练。这种方法允许实施 AI 诊断工具以辅助常规病理学实践。
引用
@article{arxiv.2301.06789,
title = {Multicenter automatic detection of invasive carcinoma on breast whole slide images},
author = {Rémy Peyret and Nicolas Pozin and Stéphane Sockeel and Solène-Florence Kammerer-Jacquet and Julien Adam and Claire Bocciarelli and Yoan Ditchi and Christophe Bontoux and Thomas Depoilly and Loris Guichard and Elisabeth Lanteri and Marie Sockeel and Sophie Prévot},
journal= {arXiv preprint arXiv:2301.06789},
year = {2023}
}