Automated Volume Corrected Mitotic Index Calculation Through Annotation-Free Deep Learning using Immunohistochemistry as Reference Standard

要約

体積補正された有糸分裂指数 (M/V-Index) は、浸潤性乳癌の予後値を提供することが示されました。
しかし、予後的重要性にもかかわらず、上皮割合の決定に伴う追加の作業負荷が大きいため、攻撃的な生物学的行動を評価するための標準的な方法としては確立されていません。
この研究では、アノテーション不要の免疫組織化学ベースのアプローチのみでトレーニングされた深層学習パイプラインを使用することで、犬の乳癌の上皮セグメンテーションを正確に推定できることを示します。
私たちは、3 人の認定病理学者による研究で、自動フレームワークと手動で注釈が付けられた M/V インデックスを比較しました。
私たちの結果は、深層学習ベースのパイプラインが専門家レベルのパフォーマンスを示し、時間効率と再現性を提供することを示しています。

要約(オリジナル)

The volume-corrected mitotic index (M/V-Index) was shown to provide prognostic value in invasive breast carcinomas. However, despite its prognostic significance, it is not established as the standard method for assessing aggressive biological behaviour, due to the high additional workload associated with determining the epithelial proportion. In this work, we show that using a deep learning pipeline solely trained with an annotation-free, immunohistochemistry-based approach, provides accurate estimations of epithelial segmentation in canine breast carcinomas. We compare our automatic framework with the manually annotated M/V-Index in a study with three board-certified pathologists. Our results indicate that the deep learning-based pipeline shows expert-level performance, while providing time efficiency and reproducibility.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google