基于 Transformer 的口腔上皮异型增生分割模型
图像与视频处理
2023-11-10 v1 计算机视觉与模式识别
机器学习
摘要
口腔上皮异型增生（OED）是口腔病变的一种癌前组织病理学诊断。OED 分级存在较大的观察者间/观察者内差异，导致患者治疗不足或过度。我们开发了一种新的基于 Transformer 的流程，以改进苏木精-伊红（H&E）染色的全切片图像（WSIs）中 OED 的检测与分割。我们的模型在采用三种不同扫描仪收集的 OED 病例（n = 260）与对照组（n = 105）上训练，并在来自英国与巴西三个外部中心的测试数据（n = 78）上验证。我们的内部实验在 OED 分割上取得 0.81 的平均 F1 分数，在外部测试上略降至 0.71，显示出良好的泛化性，并取得了最先进结果。这是首个使用 Transformer 进行癌前组织学图像分割的外部验证研究。我们公开可用的模型有望成为全集成流程的第一步，从而实现更早、更高效的 OED 诊断，最终改善患者预后。
引用
@article{arxiv.2311.05452,
title = {Transformer-based Model for Oral Epithelial Dysplasia Segmentation},
author = {Adam J Shephard and Hanya Mahmood and Shan E Ahmed Raza and Anna Luiza Damaceno Araujo and Alan Roger Santos-Silva and Marcio Ajudarte Lopes and Pablo Agustin Vargas and Kris McCombe and Stephanie Craig and Jacqueline James and Jill Brooks and Paul Nankivell and Hisham Mehanna and Syed Ali Khurram and Nasir M Rajpoot},
journal= {arXiv preprint arXiv:2311.05452},
year = {2023}
}
备注
5 pages, 2 figures, 4 tables