组织病理学相似图像检索：SMILY
计算机视觉与模式识别
2020-06-03 v3 定量方法
摘要
大型机构与公共组织病理学图像数据集的日益可得，使得针对这些数据集进行诊断、研究与教学检索成为可能。尽管这些数据集通常带有诸如诊断或临床笔记等元数据，但即便精心筛选的数据集也极少包含每张图像上感兴趣区域位置的标注。由于病理图像极为庞大（各维度可达 100,000 像素），可能还需对每张图像进行费力的视觉检索以找到感兴趣特征。本文介绍一种基于深度学习的组织病理学图像反向图像检索工具：Similar Medical Images Like Yours（SMILY）。我们从两方面评估 SMILY 检索结果的能力：使用病理学家提供的标注，以及通过病理学家评价 SMILY 检索结果质量的前瞻性研究。在后一评估中，作为阴性对照，病理学家被盲法处理，不知检索结果是来自 SMILY 还是随机得到。两类评估中，SMILY 均能检索出与原始查询具有相似组织学特征、器官部位及前列腺癌 Gleason 分级的搜索结果。SMILY 或可作为病理学家工具箱中的通用工具，提升检索大型组织病理学图像档案的效率，而无需针对每种应用开发并部署专门工具。
引用
@article{arxiv.1901.11112,
title = {Similar Image Search for Histopathology: SMILY},
author = {Narayan Hegde and Jason D. Hipp and Yun Liu and Michael E. Buck and Emily Reif and Daniel Smilkov and Michael Terry and Carrie J. Cai and Mahul B. Amin and Craig H. Mermel and Phil Q. Nelson and Lily H. Peng and Greg S. Corrado and Martin C. Stumpe},
journal= {arXiv preprint arXiv:1901.11112},
year = {2020}
}
备注
23 Pages with 6 figures and 3 tables. The file also has 6 pages of supplemental material. Improved figure resolution, edited metadata