从 DAPI 推导细胞角蛋白表达与上皮分割的新型深度学习方法
图像与视频处理
2022-08-18 v1 计算机视觉与模式识别
机器学习
摘要
生成对抗网络(Generative Adversarial Networks, GANs)是图像合成的最先进技术。在此,我们提出 dapi2ck,一种基于 GAN 的新方法,用于从非小细胞肺癌(non-small cell lung cancer, NSCLC)图像中细胞核的免疫荧光(immunofluorescent, IF) DAPI 染色合成细胞角蛋白(cytokeratin, CK)染色。我们利用合成 CK 分割上皮区域,与专家标注相比,其结果与在染色 CK 上的分割同样良好。考虑到多重 IF(multiplexed IF, mIF)面板中标记数量有限,我们的方法允许用另一标记替换 CK,以应对肿瘤微环境(tumor micro-environment, TME)的复杂性,从而促进免疫治疗的患者筛选。与染色 CK 不同,dapi2ck 不受非特异性 CK 染色或肿瘤性 CK 表达缺失等问题的影响。
引用
@article{arxiv.2208.08284,
title = {Novel Deep Learning Approach to Derive Cytokeratin Expression and Epithelium Segmentation from DAPI},
author = {Felix Jakob Segerer and Katharina Nekolla and Lorenz Rognoni and Ansh Kapil and Markus Schick and Helen Angell and Günter Schmidt},
journal= {arXiv preprint arXiv:2208.08284},
year = {2022}
}
备注
Short Paper - MIDL2022 (Medical Imaging with Deep Learning)