资源受限的乳腺癌Ki67指数自动估计
定量方法
2024-01-02 v1 计算机视觉与模式识别
机器学习
图像与视频处理
摘要
肿瘤进展和化疗反应的预测最近利用肿瘤浸润淋巴细胞(TILs)和核蛋白Ki67作为预后因子。近年来，深度神经网络(DNN)在估计Ki67表达和同时确定乳腺癌细胞中瘤内TILs评分方面取得了最佳结果。然而，在过去十年中，深度模型带来的非凡进步与其资源需求一样激增。查询（在某些情况下还有存储）深度模型所需的过高计算成本在资源受限的环境中（如支持医疗人员的物联网应用）是一个很大的限制。为此，我们提出了一种资源消耗感知的DNN，用于有效估计乳腺癌筛查中Ki67阳性细胞的百分比。我们的方法将内存和磁盘空间使用量分别减少了高达75%和89%，能耗降低了高达1.5倍，同时保持或提高了基准最先进解决方案的整体准确性。受这些积极结果的鼓舞，我们开发并构建了所采用的框架，使其能够通用使用，并附带一个公共软件仓库以支持其使用。
引用
@article{arxiv.2401.00014,
title = {Resource-Limited Automated Ki67 Index Estimation in Breast Cancer},
author = {J. Gliozzo and G. Marinò and A. Bonometti and M. Frasca and D. Malchiodi},
journal= {arXiv preprint arXiv:2401.00014},
year = {2024}
}