ACROBAT 2022 挑战赛：乳腺癌组织的自动配准
图像与视频处理
2023-09-04 v1 计算机视觉与模式识别
摘要
组织学全切片图像（WSI）之间组织的对齐对于研究和临床应用至关重要。计算能力、深度学习的发展以及大型 WSI 数据集的可用性已经彻底改变了 WSI 分析。因此，当前 WSI 配准的最先进水平尚不清楚。为此，我们举办了 ACROBAT 挑战赛，其基于迄今为止最大的 WSI 配准数据集，包含来自 1,152 名乳腺癌患者的 4,212 张 WSI。挑战赛的目标是将在常规诊断免疫组化中染色的组织 WSI 与其 H&E 染色的对应图像进行对齐。我们比较了八种 WSI 配准算法的性能，包括对不同 WSI 属性和临床协变量影响的调查。我们发现概念上不同的 WSI 配准方法可以带来高度准确的配准性能，并识别出影响各方法性能的协变量。这些结果确立了当前 WSI 配准的最先进水平，并为研究人员选择和发展方法提供指导。
引用
@article{arxiv.2305.18033,
title = {The ACROBAT 2022 Challenge: Automatic Registration Of Breast Cancer Tissue},
author = {Philippe Weitz and Masi Valkonen and Leslie Solorzano and Circe Carr and Kimmo Kartasalo and Constance Boissin and Sonja Koivukoski and Aino Kuusela and Dusan Rasic and Yanbo Feng and Sandra Sinius Pouplier and Abhinav Sharma and Kajsa Ledesma Eriksson and Stephanie Robertson and Christian Marzahl and Chandler D. Gatenbee and Alexander R. A. Anderson and Marek Wodzinski and Artur Jurgas and Niccolò Marini and Manfredo Atzori and Henning Müller and Daniel Budelmann and Nick Weiss and Stefan Heldmann and Johannes Lotz and Jelmer M. Wolterink and Bruno De Santi and Abhijeet Patil and Amit Sethi and Satoshi Kondo and Satoshi Kasai and Kousuke Hirasawa and Mahtab Farrokh and Neeraj Kumar and Russell Greiner and Leena Latonen and Anne-Vibeke Laenkholm and Johan Hartman and Pekka Ruusuvuori and Mattias Rantalainen},
journal= {arXiv preprint arXiv:2305.18033},
year = {2023}
}