用于皮肤淋巴瘤与湿疹分类的组织病理学切片语义分割
图像与视频处理
2020-09-14 v1 机器学习
摘要
蕈样肉芽肿（MF）是一种罕见、潜在危及生命的皮肤病，其在早期阶段临床与组织学上极强地类似于湿疹——一种非常常见且良性的皮肤病症。为提高生存率，需尽早提供恰当治疗。为此，对专家而言一个关键步骤是评估患者皮肤组织的组织病理学切片（玻璃切片）或全切片图像（WSI）。我们引入了一种深度学习辅助诊断工具，为病理医生的决策过程带来双重价值。首先，我们的算法将 WSI 精确分割为对准确诊断相关的区域，在新数据集上取得了 69% 的 Mean-IoU 与 83% 的 Matthews 相关系数得分。此外，我们还表明我们的模型在参考数据集上与最先进水平（SOTA）具有竞争力。其次，利用分割图与原始图像，我们能够预测患者患有 MF 还是湿疹。我们创建了可应用于诊断流程不同阶段的两种模型，潜在地消除危及生命的错误。分类结果比仅以 WSI 作为输入更具可解释性，因其也基于分割图。我们的分割模型称为 EU-Net，将经典 U-Net 扩展以 Imagenet 数据集预训练的 EfficientNet-B7 编码器。
引用
@article{arxiv.2009.05403,
title = {Semantic Segmentation of Histopathological Slides for the Classification of Cutaneous Lymphoma and Eczema},
author = {Jérémy Scheurer and Claudio Ferrari and Luis Berenguer Todo Bom and Michaela Beer and Werner Kempf and Luis Haug},
journal= {arXiv preprint arXiv:2009.05403},
year = {2020}
}
备注
Submitted to https://link.springer.com/chapter/10.1007/978-3-030-52791-4_3