用于预测腋窝淋巴结转移的全身切片多示例学习
图像与视频处理
2023-10-09 v1 计算机视觉与模式识别
摘要
乳腺癌是全球女性健康的重要问题，而腋窝淋巴结（ALN）转移的识别对于预后评估和治疗指导至关重要。本文提出了一种深度学习（DL）分类流程，用于从数字空心针活检（CNB）图像中量化临床信息，其步骤比现有方法少一步。我们使用包含1058名患者的公开数据集，评估了不同基线最先进（SOTA）DL模型基于CNB图像对ALN转移状态进行分类的性能。我们还对各种数据增强技术进行了广泛的消融研究。最后，评估了由病理学家执行的手动肿瘤分割与标注步骤。
引用
@article{arxiv.2310.04187,
title = {Whole Slide Multiple Instance Learning for Predicting Axillary Lymph Node Metastasis},
author = {Glejdis Shkëmbi and Johanna P. Müller and Zhe Li and Katharina Breininger and Peter Schüffler and Bernhard Kainz},
journal= {arXiv preprint arXiv:2310.04187},
year = {2023}
}
备注
Accepted for MICCAI DEMI Workshop 2023