The ACROBAT 2022 Challenge: Automatic Registration Of Breast Cancer Tissue

要約

病理組織学的全スライド画像 (WSI) 間の組織の位置合わせは、研究および臨床応用にとって非常に重要です。
コンピューティング、ディープラーニングの進歩、および大規模な WSI データセットの可用性により、WSI 分析は革命的に変化しました。
したがって、WSI 登録における現在の最先端の状況は不明です。
これに対処するために、1,152 人の乳がん患者からの 4,212 件の WSI を含む、これまで最大の WSI 登録データセットに基づいて、ACROBAT チャレンジを実施しました。
課題の目的は、日常的な診断用免疫組織化学で染色された組織の WSI を、H&E 染色された対応物と位置合わせすることでした。
さまざまな WSI 特性と臨床共変量の影響の調査を含め、8 つの WSI 登録アルゴリズムのパフォーマンスを比較します。
私たちは、概念的に異なる WSI レジストレーション手法が高精度のレジストレーション パフォーマンスにつながり、メソッド全体のパフォーマンスに影響を与える共変量を特定できることを発見しました。
これらの結果は、WSI 登録における現在の最先端技術を確立し、研究者が方法を選択および開発する際の指針となります。

要約(オリジナル)

The alignment of tissue between histopathological whole-slide-images (WSI) is crucial for research and clinical applications. Advances in computing, deep learning, and availability of large WSI datasets have revolutionised WSI analysis. Therefore, the current state-of-the-art in WSI registration is unclear. To address this, we conducted the ACROBAT challenge, based on the largest WSI registration dataset to date, including 4,212 WSIs from 1,152 breast cancer patients. The challenge objective was to align WSIs of tissue that was stained with routine diagnostic immunohistochemistry to its H&E-stained counterpart. We compare the performance of eight WSI registration algorithms, including an investigation of the impact of different WSI properties and clinical covariates. We find that conceptually distinct WSI registration methods can lead to highly accurate registration performances and identify covariates that impact performances across methods. These results establish the current state-of-the-art in WSI registration and guide researchers in selecting and developing methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google