Detection and Localization of Melanoma Skin Cancer in Histopathological Whole Slide Images

要約

メラノーマは、早期に診断・治療することで生存率を高めることができます。皮膚がん罹患の増加予測と皮膚病理医の不足により、計算病理学（CPATH）システムの必要性が強調されています。深層学習（DL）モデルを備えたCPATHシステムは、基礎となる形態学的および細胞的特徴を利用することにより、メラノーマの存在を特定する可能性がある。本論文では、Whole Slide Image（WSI）において、メラノーマを検出し、正常皮膚と良性/悪性メラノサイト病変を区別するためのDL手法を提案する。本手法は、病変を高精度に検出し、病理医が関心を持ちそうな領域を特定するために、WSI上に病変を局在化させる。興味深いことに、我々のDL法は、まず単一のCNNネットワークを用いて局在マップを作成し、それを用いてスライドレベルの予測を行い、メラノーマの患者を判定することに依存している。我々の最良のモデルは、未見のデータに対してF1スコア0.992、感度0.99という良好なパッチ単位での分類結果を提供する。

要約(オリジナル)

Melanoma diagnosed and treated in its early stages can increase the survival rate. A projected increase in skin cancer incidents and a dearth of dermatopathologists have emphasized the need for computational pathology (CPATH) systems. CPATH systems with deep learning (DL) models have the potential to identify the presence of melanoma by exploiting underlying morphological and cellular features. This paper proposes a DL method to detect melanoma and distinguish between normal skin and benign/malignant melanocytic lesions in Whole Slide Images (WSI). Our method detects lesions with high accuracy and localizes them on a WSI to identify potential regions of interest for pathologists. Interestingly, our DL method relies on using a single CNN network to create localization maps first and use them to perform slide-level predictions to determine patients who have melanoma. Our best model provides favorable patch-wise classification results with a 0.992 F1 score and 0.99 sensitivity on unseen data.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL