Intra-operative tumour margin evaluation in breast-conserving surgery with deep learning

要約

断端が陽性であると、悪性腫瘍に対する乳房温存手術後の局所再発のリスクが高まる可能性があります。
断端陽性の数を減らすために、切除断端陽性の存在に関するリアルタイムの術中情報を外科医に提供することになる。
本研究は、乳房温存手術におけるマンモグラフィー標本を用いた術中の腫瘍辺縁評価スキームを設計することを目的としている。
合計 30 の症例が評価され、経験豊富な医師によって手動で決定された輪郭および病理学レポートと比較されました。
提案された方法は、画像のしきい値処理を利用して関心領域を抽出し、深層学習モデル、つまり SegNet を実行して腫瘍組織をセグメント化します。
その結果、周囲の正常組織の辺縁幅が評価されます。
腫瘍周囲のマージンの望ましいサイズは 10 mm に設定されました。
手動でスケッチしたマージンとの最小平均差 (6.53 mm +- 5.84)。
すべての場合において、SegNet アーキテクチャを利用して組織標本の境界と腫瘍の輪郭をそれぞれ取得しました。
シミュレーション結果は、この技術が術中の設定で断端陽性と陰性を区別するのに役立つことを示しました。
提案されたスキームの目的は、術中測定システムにおける潜在的な手順です。
実験結果は、深層学習技術が病理学レポートと一致する結果を引き出すことができることを明らかにしています。

要約(オリジナル)

A positive margin may result in an increased risk of local recurrences after breast retention surgery for any malignant tumour. In order to reduce the number of positive margins would offer surgeon real-time intra-operative information on the presence of positive resection margins. This study aims to design an intra-operative tumour margin evaluation scheme by using specimen mammography in breast-conserving surgery. Total of 30 cases were evaluated and compared with the manually determined contours by experienced physicians and pathology report. The proposed method utilizes image thresholding to extract regions of interest and then performs a deep learning model, i.e. SegNet, to segment tumour tissue. The margin width of normal tissues surrounding it is evaluated as the result. The desired size of margin around the tumor was set for 10 mm. The smallest average difference to manual sketched margin (6.53 mm +- 5.84). In the all case, the SegNet architecture was utilized to obtain tissue specimen boundary and tumor contour, respectively. The simulation results indicated that this technology is helpful in discriminating positive from negative margins in the intra-operative setting. The aim of proposed scheme was a potential procedure in the intra-operative measurement system. The experimental results reveal that deep learning techniques can draw results that are consistent with pathology reports.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google