从 H&E 染色的乳腺癌图像预测 Ki67、ER、PR 与 HER2 状态
图像与视频处理
2023-08-07 v1 计算机视觉与模式识别
定量方法
摘要
尽管机器学习与数字病理学取得了进展，但机器学习方法能否仅从组织形态学准确预测分子信息尚不明晰。为回答此问题，我们构建了一个大规模数据集（185538 张图像），带有 Ki67、ER、PR 和 HER2 状态的可靠测量。该数据集由 H&E 与相应免疫组化（IHC）检测（Ki67、ER、PR 和 HER2）图像的镜像组成，这些图像通过配准实现镜像。为提高可靠性，对个体配对进行了检查，若存在伪影（组织折叠、气泡等）则丢弃。Ki67、ER 和 PR 的测量通过图像分析计算 H-Score 确定。HER2 测量基于二分类：0 和 1+（代表阴性子集的 IHC 评分） vs 3+（IHC 评分阳性子集）。IHC 临界评分（2+）的病例被排除。我们展示了一个标准的基于 ViT 的流程在采用恰当标注协议训练时，曲线下面积（AUC）预测性能可达约 90%。最后，我们揭示了训练分类器定位相关区域的能力，这鼓励未来工作改进定位。我们提出的数据集公开可用：https://ihc4bc.github.io/
引用
@article{arxiv.2308.01982,
title = {Predicting Ki67, ER, PR, and HER2 Statuses from H&E-stained Breast Cancer Images},
author = {Amir Akbarnejad and Nilanjan Ray and Penny J. Barnes and Gilbert Bigras},
journal= {arXiv preprint arXiv:2308.01982},
year = {2023}
}