用于乳腺癌症全切片图像处理的加权多级深度学习分析与框架
图像与视频处理
2021-06-29 v1 计算机视觉与模式识别
机器学习
摘要
乳腺癌症（BC）的预防和早期诊断是为选择适当治疗所必需的前提。由于对更快、更精确诊断结果的需求增加所带来的巨大压力，推动了自动化解决方案的发展。在过去十年中，深度学习技术已在多个领域展现出其威力，计算机辅助诊断（CAD）也成为其中之一。然而，在对全切片图像（WSI）进行分析时，大多数现有工作独立地从各层级计算预测结果。但这与组织病理学专家的方法相悖，后者需要观察对 BC 分类至关重要的组织结构的整体架构。我们提出了一种基于深度学习的 WSI 处理解决方案与框架，其基于一种利用图像层级优势的新方法。我们将从多个层级提取的信息进行加权，用于恶性程度的最终分类。我们的结果表明了全局信息的益处，准确率从 72.2% 提升至 84.8%。
引用
@article{arxiv.2106.14708,
title = {Weighted multi-level deep learning analysis and framework for processing breast cancer WSIs},
author = {Peter Bokor and Lukas Hudec and Ondrej Fabian and Wanda Benesova},
journal= {arXiv preprint arXiv:2106.14708},
year = {2021}
}
备注
9 pages, 12 images, 3 tables with results, We have an intention to submit this paper to the current journal focused on computer methods/deep learning in biomedicine