Deep Learning Based Segmentation of Blood Vessels from H&E Stained Oesophageal Adenocarcinoma Whole-Slide Images

要約

血管（BV）は腫瘍微小環境（TME）において重要な役割を果たしており、がんの進行や治療反応に影響を与える可能性があります。
ただし、ヘマトキシリン・エオシン (H&E) 染色画像内の BV を手動で定量化することは、外観が不均一であるため、困難であり、多大な労力を要します。
我々は、BV セグメンテーション用の最先端のセグメンテーション モデルのパフォーマンスを向上させるためのガイド マップを構築する新しいアプローチを提案します。ガイド マップは、モデルが BV の代表的な特徴を学習することを促進します。
これは、ラベル付きトレーニング データが制限されることが多く、大規模なモデルが過学習になりやすい計算病理学にとって特に有益です。
セグメンテーションの精度向上における当社のアプローチの有効性を実証する定量的および定性的な結果が得られています。
将来的には、さまざまな組織タイプにわたって BV をセグメント化するこの方法を検証し、TME における BV に関連した細胞構造の役割を調査する予定です。

要約(オリジナル)

Blood vessels (BVs) play a critical role in the Tumor Micro-Environment (TME), potentially influencing cancer progression and treatment response. However, manually quantifying BVs in Hematoxylin and Eosin (H&E) stained images is challenging and labor-intensive due to their heterogeneous appearances. We propose a novel approach of constructing guiding maps to improve the performance of state-of-the-art segmentation models for BV segmentation, the guiding maps encourage the models to learn representative features of BVs. This is particularly beneficial for computational pathology, where labeled training data is often limited and large models are prone to overfitting. We have quantitative and qualitative results to demonstrate the efficacy of our approach in improving segmentation accuracy. In future, we plan to validate this method to segment BVs across various tissue types and investigate the role of cellular structures in relation to BVs in the TME.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google