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

要約

血管（BVS）は、腫瘍微小環境（TME）に重要な役割を果たし、癌の進行と治療反応に潜在的に影響を与えます。
ただし、ヘマトキシリンとエオシン（H＆E）染色画像のBVSを手動で定量化することは、不均一な外観のために挑戦的で労働集約的です。
BVセグメンテーション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BVSの代表的な機能を学習することを奨励しています。
これは、ラベルのあるトレーニングデータが限られており、大規模なモデルが過剰適合しやすい計算病理学に特に有益です。
セグメンテーションの精度を向上させる際のアプローチの有効性を実証するための定量的および定性的な結果があります。
将来、この方法を検証して、さまざまな組織タイプにわたってBVSをセグメント化し、TMEのBVSに関連する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