基于全切片细胞病理图像的甲状腺癌恶性预测
计算机视觉与模式识别
2020-02-11 v1 人工智能
图像与视频处理
摘要
我们考虑基于超高分辨率全切片细胞病理图像的甲状腺癌术前预测。受人类专家诊断方式启发，我们的方法首先识别并分类包含有信息甲状腺细胞的诊断性图像区域，这些区域仅占整幅图像的极小部分。随后将这些局部估计聚合为单一的甲状腺恶性预测。甲状腺细胞病理学的若干独特性质指导了我们基于深度学习的方法。尽管我们的方法与多示例学习密切相关，但其通过使用监督程序提取诊断相关区域而偏离了这些方法。此外，我们提出同时预测甲状腺恶性程度以及人类专家给出的诊断评分，这进一步使我们能够设计一种改进的训练策略。实验结果表明，所提算法取得了可与人类专家媲美的性能，并展示了该算法用于筛查以及作为辅助工具以改善不确定病例诊断的潜力。
引用
@article{arxiv.1904.00839,
title = {Thyroid Cancer Malignancy Prediction From Whole Slide Cytopathology Images},
author = {David Dov and Shahar Kovalsky and Jonathan Cohen and Danielle Range and Ricardo Henao and Lawrence Carin},
journal= {arXiv preprint arXiv:1904.00839},
year = {2020}
}