EndoNet: model for automatic calculation of H-score on histological slides

要約

H スコアは、染色の強度と染色された核のパーセンテージを組み合わせることにより、組織サンプル中のタンパク質の存在と分布を評価するために使用される半定量的な方法です。
広く使用されていますが、時間がかかり、精度や精度が制限される可能性があります。
コンピューターを利用した方法は、これらの制限を克服し、病理学者のワークフローの効率を向上させるのに役立つ可能性があります。
この研究では、組織スライド上の H スコアを自動計算するためのモデル EndoNet を開発しました。
私たちが提案する手法はニューラル ネットワークを使用し、2 つの主要な部分で構成されます。
1 つ目は、核の中心のキーポイントを予測する検出モデルです。
2 つ目は、予測キーポイントの平均ピクセル値を使用して H スコアの値を計算する H スコア モジュールです。
私たちのモデルは、100×100 $\mu m$ の形状を持つ 1780 個の注釈付きタイルでトレーニングおよび検証され、テスト データセットで 0.77 mAP を実行しました。
さらに、モデルを特定の専門家または研究室全体に合わせて調整して、H スコアの計算方法を再現することができます。
したがって、EndoNet は組織学スライドの分析において効果的かつ堅牢であり、病理医の作業を改善し、大幅に加速することができます。

要約(オリジナル)

H-score is a semi-quantitative method used to assess the presence and distribution of proteins in tissue samples by combining the intensity of staining and percentage of stained nuclei. It is widely used but time-consuming and can be limited in accuracy and precision. Computer-aided methods may help overcome these limitations and improve the efficiency of pathologists’ workflows. In this work, we developed a model EndoNet for automatic calculation of H-score on histological slides. Our proposed method uses neural networks and consists of two main parts. The first is a detection model which predicts keypoints of centers of nuclei. The second is a H-score module which calculates the value of the H-score using mean pixel values of predicted keypoints. Our model was trained and validated on 1780 annotated tiles with a shape of 100×100 $\mu m$ and performed 0.77 mAP on a test dataset. Moreover, the model can be adjusted to a specific specialist or whole laboratory to reproduce the manner of calculating the H-score. Thus, EndoNet is effective and robust in the analysis of histology slides, which can improve and significantly accelerate the work of pathologists.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google