利用病理学基础模型对 HE 图像中的黑色素瘤进行全景分割-计算机科学-深度学习-基础模型-组织分割.pdfVIP

利用病理学基础模型对HE图像中的黑色素瘤进行

全景分割

JiaqiLv,YijieZhu,CarmenGuadalupeColinTenorio,BrinderSingh

Chohan,MarkEastwood,andShanEAhmedRaza

TissueImageAnalyticsCentre,DepartmentofComputerScience,Universityof

Warwick,Coventry,UnitedKingdomtia@warwick.ac.uk

UniversityHospitalsofDerbyandBurtonNHSFoundationTrust,UnitedKingdom

DepartmentofPathophysiologyandAllergyResearch,CenterforPathophysiology,

InfectiologyandImmunology,MedicalUniversityofVienna,Austria

本TissueGnosticsGmbH,Vienna,Austria

译

中

1摘要黑色素瘤是一种具有快速进展和高度转移潜能的皮肤癌形式。对黑色

v素瘤组织形态的准确描述对于预后和治疗计划至关重要。然而，从苏木精

4

7和伊红（HE）染色全幻灯片图像（WSIs）中手动分割组织区域是劳动密集

9型的，并且容易受到观察者间变异的影响，这促使了需要可靠的自动组织

3分割方法。在这项研究中，我们提出了一种新型深度学习网络，用于对黑色

1

.素瘤HE图像中的五类组织进行分割。我们的方法利用了Virchow2[25]，

7

0这是一个在310万张病理学图像上训练的病理学基础模型作为特征提取

5器。这些特征与原始RGB图像融合，并随后由编码器-解码器分割网络

2

:（Efficient-UNet）处理，以生成准确的分割图。所提出的模型在PUMA

vGrandChallenge[20]的组织分割任务中获得第一名，展示了其稳健的表现

i

x和泛化能力。我们的结果表明，在分割网络中结合病理学基础模型具有潜

r

a力并有效加速计算病理工作流程。

Keywords:深度学习·组织分割·基础模型·黑色素瘤·整个幻灯片

图像

1介绍

黑色素瘤是一种具有快速进展、高转移潜能和不良预后的皮肤癌的侵袭

性形式，特别是在[8]高级阶段。有效管理黑色素瘤的临床治疗依赖于准确的

诊断和从组织病理切片中对组织形态进行精确描述。先前的研究表