WeakSTIL：弱全切片图像级间质肿瘤浸润淋巴细胞评分即所需全部
图像与视频处理
2021-09-14 v1 计算机视觉与模式识别
摘要
我们提出WeakSTIL，一种可解释的两阶段弱标签深度学习流程，用于对乳腺癌组织H&E染色全切片图像（WSI）中的间质肿瘤浸润淋巴细胞百分比（sTIL%）进行评分。sTIL%评分是多种实体瘤类型的预后与预测性生物标志物。然而，由于标注工作量巨大以及专家标注者内部与之间的高 intra- 和 interobserver 变异性，该生物标志物目前未用于常规临床决策。WeakSTIL利用在未标记组织病理学数据上通过自监督学习预训练的特征提取器压缩WSI的图块，并使用仅需弱WSI级标签的多示例学习回归器，学习预测肿瘤床中每个图块的精确sTIL%评分。通过仅需弱标签，我们克服了训练现有TIL检测方法所需的大量标注工作。我们表明，WeakSTIL在预测WSI级sTIL%评分时至少与其他TIL检测方法一样好，与专家病理学家生成的评分相比达到的判定系数，并且在作为临床关注的sTIL高 vs sTIL低分类任务时达到的AUC。此外，我们表明WeakSTIL的中间图块级预测具有高度可解释性，这表明WeakSTIL关注与TIL数量和组织类型相关的潜在特征。未来，WeakSTIL可用于提供一致且可解释的sTIL%预测，以将乳腺癌患者分层至靶向治疗组。
引用
@article{arxiv.2109.05892,
title = {WeakSTIL: Weak whole-slide image level stromal tumor infiltrating lymphocyte scores are all you need},
author = {Yoni Schirris and Mendel Engelaer and Andreas Panteli and Hugo Mark Horlings and Efstratios Gavves and Jonas Teuwen},
journal= {arXiv preprint arXiv:2109.05892},
year = {2021}
}
备注
8 pages, 8 figures, 1 table, 4 pages supplementary