OpenSRH：利用术中受激拉曼组织学优化脑肿瘤手术
图像与视频处理
2022-11-03 v2 计算机视觉与模式识别
机器学习
摘要
准确的术中诊断对于在脑肿瘤手术期间提供安全有效的治疗至关重要。我们标准诊疗的诊断方法耗时、耗资源且劳动密集，这限制了最佳手术治疗的可及性。为解决这些局限，我们提出了一种替代工作流程，将受激拉曼组织学（SRH，一种快速光学成像方法）与基于深度学习的SRH图像自动判读相结合，用于术中脑肿瘤诊断和实时手术决策支持。在此，我们推出OpenSRH，这是首个来自300多名脑肿瘤患者和1300多张独特全玻片光学图像的公开临床SRH图像数据集。OpenSRH包含最常见脑肿瘤诊断的数据、完整病理标注、全玻片肿瘤分割、用于端到端模型开发与验证的原始及处理光学成像数据。我们提供了一种基于图块的全玻片SRH分类与推断框架，使用弱（即患者级）诊断标签。最后，我们对两项计算机视觉任务进行基准测试：多类组织学脑肿瘤分类和基于图块的对比表示学习。我们希望OpenSRH能促进快速光学成像和基于实时机器学习的手术决策支持的临床转化，从而在精准医学时代改善癌症手术的可及性、安全性和有效性。数据集访问、代码和基准测试可在 opensrh.mlins.org 获取。
引用
@article{arxiv.2206.08439,
title = {OpenSRH: optimizing brain tumor surgery using intraoperative stimulated Raman histology},
author = {Cheng Jiang and Asadur Chowdury and Xinhai Hou and Akhil Kondepudi and Christian W. Freudiger and Kyle Conway and Sandra Camelo-Piragua and Daniel A. Orringer and Honglak Lee and Todd C. Hollon},
journal= {arXiv preprint arXiv:2206.08439},
year = {2022}
}
备注
Neural Information Processing Systems (NeurIPS) 2022 Datasets and Benchmarks Track