Deep Learning-Based Automatic Assessment of AgNOR-scores in Histopathology Images

要約

核小体オーガナイザー領域 (NOR) は、RNA 転写に関与する DNA の一部です。
関連タンパク質の銀親和性により、好銀性 NOR (AgNOR) は、銀ベースの染色を使用して視覚化できます。
核あたりの AgNOR の平均数は、多くの腫瘍の転帰を予測するための予後因子であることが示されています。
AgNOR の手動検出は手間がかかるため、自動化は非常に重要です。
病理組織切片から AgNOR スコアを自動的に決定するためのディープ ラーニング ベースのパイプラインを紹介します。
私たちのアプローチの独立したパフォーマンス評価を提供するために、6人の病理学者を対象に追加の注釈実験が行われました。
すべての評価者と画像で、専門家の AgNOR スコアとモデルのスコアの間に 0.054 の平均二乗誤差が見つかりました。これは、私たちのアプローチが人間に匹敵するパフォーマンスを提供することを示しています。

要約(オリジナル)

Nucleolar organizer regions (NORs) are parts of the DNA that are involved in RNA transcription. Due to the silver affinity of associated proteins, argyrophilic NORs (AgNORs) can be visualized using silver-based staining. The average number of AgNORs per nucleus has been shown to be a prognostic factor for predicting the outcome of many tumors. Since manual detection of AgNORs is laborious, automation is of high interest. We present a deep learning-based pipeline for automatically determining the AgNOR-score from histopathological sections. An additional annotation experiment was conducted with six pathologists to provide an independent performance evaluation of our approach. Across all raters and images, we found a mean squared error of 0.054 between the AgNOR- scores of the experts and those of the model, indicating that our approach offers performance comparable to humans.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google