Convolutional Neural Network-Based Automatic Classification of Colorectal and Prostate Tumor Biopsies Using Multispectral Imagery: System Development Study

要約

結腸直腸がんと前立腺がんは、世界中の男性で最も一般的な種類のがんです。
結腸直腸がんと前立腺がんを診断するために、病理学者は針生検サンプルの組織学的分析を行います。
この手動プロセスは時間がかかり、エラーが発生しやすいため、観察者内および観察者間のばらつきが大きくなり、診断の信頼性に影響します。
この研究は、生検サンプルの画像を使用して人間の分析に関連する時間と診断エラー率を削減することにより、結腸直腸および前立腺腫瘍を診断するための自動コンピューター化システムを開発することを目的としています。
生検サンプルのマルチスペクトル画像から結腸直腸腫瘍と前立腺腫瘍を分類するための CNN モデルを提案します。
重要なアイデアは、畳み込み層の最後のブロックを削除し、層ごとのフィルターの数を半分にすることでした。
私たちの結果は、前立腺と結腸直腸のデータセットでそれぞれ 99.8% と 99.5% の平均テスト精度で、優れたパフォーマンスを示しました。
このシステムは、分類に単一の CNN モデルを使用しながら前処理フェーズを回避するため、事前トレーニング済みの CNN や他の分類方法と比較して優れたパフォーマンスを示しました。
全体として、提案された CNN アーキテクチャは、結腸直腸および前立腺腫瘍の画像を分類するための世界的に最も優れたシステムでした。
提案された CNN は詳細に説明され、特徴抽出器として使用された以前にトレーニングされたネットワーク モデルと比較されました。
これらの CNN は、他の分類手法とも比較されました。
事前トレーニング済みの CNN やその他の分類アプローチとは対照的に、提案された CNN は優れた結果をもたらしました。
CNN の計算の複雑さも調査され、提案された CNN は前処理を必要としないため、事前トレーニングされたネットワークよりも画像の分類に優れていることが示されました。
したがって、全体的な分析は、提案された CNN アーキテクチャが、結腸直腸および前立腺腫瘍の画像を分類するための世界的に最も優れたシステムであるということでした。

要約(オリジナル)

Colorectal and prostate cancers are the most common types of cancer in men worldwide. To diagnose colorectal and prostate cancer, a pathologist performs a histological analysis on needle biopsy samples. This manual process is time-consuming and error-prone, resulting in high intra and interobserver variability, which affects diagnosis reliability. This study aims to develop an automatic computerized system for diagnosing colorectal and prostate tumors by using images of biopsy samples to reduce time and diagnosis error rates associated with human analysis. We propose a CNN model for classifying colorectal and prostate tumors from multispectral images of biopsy samples. The key idea was to remove the last block of the convolutional layers and halve the number of filters per layer. Our results showed excellent performance, with an average test accuracy of 99.8% and 99.5% for the prostate and colorectal data sets, respectively. The system showed excellent performance when compared with pretrained CNNs and other classification methods, as it avoids the preprocessing phase while using a single CNN model for classification. Overall, the proposed CNN architecture was globally the best-performing system for classifying colorectal and prostate tumor images. The proposed CNN was detailed and compared with previously trained network models used as feature extractors. These CNNs were also compared with other classification techniques. As opposed to pretrained CNNs and other classification approaches, the proposed CNN yielded excellent results. The computational complexity of the CNNs was also investigated, it was shown that the proposed CNN is better at classifying images than pretrained networks because it does not require preprocessing. Thus, the overall analysis was that the proposed CNN architecture was globally the best-performing system for classifying colorectal and prostate tumor images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google