用于组织病理学前列腺分级的定制化卷积自编码器自监督学习
图像与视频处理
2023-03-22 v1 计算机视觉与模式识别
摘要
根据GLOBOCAN 2020，前列腺癌是全球男性中第二常见的癌症，也是总体第四普遍的癌症。对病理学家而言，前列腺癌症分级具有挑战性，尤其在区分3级(G3)与4级(G4)时。本文提出一种自监督学习(SSL)框架，用于在标记图像稀缺时对前列腺组织病理学图像进行分类。具体而言，训练一个定制化的卷积自编码器(CAE)来重建前列腺癌症全切片图像(WSIs)的128x128x3块作为前置任务。所提SSL范式的下游任务是前列腺癌症组织病理学块的自动分级。所提框架在验证集上报告了有前景的结果，获得83%的总体准确率；在测试集上达到76%的总体准确率，且在G4上F1-score为77%。
引用
@article{arxiv.2303.11837,
title = {Self-supervised learning of a tailored Convolutional Auto Encoder for histopathological prostate grading},
author = {Zahra Tabatabaei and Adrian colomer and Kjersti Engan and Javier Oliver and Valery Naranjo},
journal= {arXiv preprint arXiv:2303.11837},
year = {2023}
}