Whole Slide Multiple Instance Learning for Predicting Axillary Lymph Node Metastasis

要約

乳がんは世界的に女性の健康にとって大きな懸念事項であり、腋窩リンパ節（ALN）転移の同定は予後の評価と治療指導に極めて重要です。
この論文では、既存の方法よりも 1 ステップ少ない、デジタルコア針生検 (CNB) 画像から臨床情報を定量化するためのディープラーニング (DL) 分類パイプラインを紹介します。
1,058 人の患者からなる公的に利用可能なデータセットを使用して、CNB 画像に基づいて ALN 転移状態を分類する際のさまざまなベースライン最先端 (SOTA) DL モデルのパフォーマンスを評価しました。
さまざまなデータ拡張技術に関する広範なアブレーション研究も行われました。
最後に、病理学者が手動で行った腫瘍のセグメンテーションと注釈のステップが評価されました。

要約(オリジナル)

Breast cancer is a major concern for women’s health globally, with axillary lymph node (ALN) metastasis identification being critical for prognosis evaluation and treatment guidance. This paper presents a deep learning (DL) classification pipeline for quantifying clinical information from digital core-needle biopsy (CNB) images, with one step less than existing methods. A publicly available dataset of 1058 patients was used to evaluate the performance of different baseline state-of-the-art (SOTA) DL models in classifying ALN metastatic status based on CNB images. An extensive ablation study of various data augmentation techniques was also conducted. Finally, the manual tumor segmentation and annotation step performed by the pathologists was assessed.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google