从全切片图像预测乳腺肿瘤增殖：TUPAC16 挑战赛
计算机视觉与模式识别
2019-04-01 v2
摘要
肿瘤增殖是提示乳腺癌患者预后的重要生物标志物。临床环境中肿瘤增殖的评估是高度主观且劳动密集的任务。先前通过图像分析自动化肿瘤增殖评估的努力仅聚焦于预定义肿瘤区域中的有丝分裂检测。然而，在真实场景中，自动有丝分裂检测应在全切片图像（WSIs）中执行，且自动方法应能以 WSI 作为输入给出肿瘤增殖评分。为此，我们组织了 2016 年肿瘤增殖评估挑战赛（TUPAC16），用于从 WSI 预测肿瘤增殖评分。挑战数据集包含 500 张训练与 321 张测试乳腺癌组织病理学 WSI。为确保公平且独立的评估，仅向挑战参与者提供训练数据集的 ground truth。挑战的第一项任务是预测有丝分裂评分，即复现病理学家评估肿瘤增殖的手动方法。第二项任务是从 WSI 预测基于基因表达的 PAM50 增殖评分。第一项任务中性能最佳的自动方法在预测评分与 ground truth 之间取得了二次加权 Cohen's kappa 分数 = 0.567，95% CI [0.464, 0.671]。对于第二项任务，顶尖方法的预测与 ground truth 的 Spearman 相关系数为 r = 0.617，95% CI [0.581 0.651]。这是首个从 WSI 研究肿瘤增殖评估的工作。鉴于任务难度与 ground truth 的弱标签性质，所得结果令人鼓舞。然而，仍需进一步研究以提升图像分析方法在该任务中的实用效用。
引用
@article{arxiv.1807.08284,
title = {Predicting breast tumor proliferation from whole-slide images: the TUPAC16 challenge},
author = {Mitko Veta and Yujing J. Heng and Nikolas Stathonikos and Babak Ehteshami Bejnordi and Francisco Beca and Thomas Wollmann and Karl Rohr and Manan A. Shah and Dayong Wang and Mikael Rousson and Martin Hedlund and David Tellez and Francesco Ciompi and Erwan Zerhouni and David Lanyi and Matheus Viana and Vassili Kovalev and Vitali Liauchuk and Hady Ahmady Phoulady and Talha Qaiser and Simon Graham and Nasir Rajpoot and Erik Sjöblom and Jesper Molin and Kyunghyun Paeng and Sangheum Hwang and Sunggyun Park and Zhipeng Jia and Eric I-Chao Chang and Yan Xu and Andrew H. Beck and Paul J. van Diest and Josien P. W. Pluim},
journal= {arXiv preprint arXiv:1807.08284},
year = {2019}
}
备注
Overview paper of the TUPAC16 challenge: http://tupac.tue-image.nl/