DeepGleason: a System for Automated Gleason Grading of Prostate Cancer using Deep Neural Networks

要約

デジタル病理学と人工知能 (AI) の進歩は、臨床意思決定のサポートと診断ワークフローの強化に有望な機会をもたらします。
これまでの研究では、AI によるグリーソングレーディングの自動化の可能性がすでに実証されていましたが、最先端の方法論やモデルの再利用性が欠けていました。
この問題に対処するために、我々は DeepGleason を提案します。DeepGleason は、前立腺組織切片からの全スライド組織病理画像を使用して自動グリーソングレーディングを行う、オープンソースのディープ ニューラル ネットワーク ベースの画像分類システムです。
標準化された AUCMEDI フレームワークで実装されたこのツールは、さまざまな最先端のアーキテクチャと比較された ConvNeXt アーキテクチャと組み合わせて、微調整された画像前処理技術を利用するタイルごとの分類アプローチを採用しています。
ニューラル ネットワーク モデルは、369 枚の前立腺癌スライドからの 34,264 枚の注釈付きタイルの社内データセットでトレーニングおよび検証されました。
我々は、DeepGleason がマクロ平均 F1 スコア 0.806、AUC 0.991、精度 0.974 という非常に正確で信頼性の高いグリーソングレーディングが可能であることを実証しました。
内部アーキテクチャの比較により、ConvNeXt モデルは、トランスフォーマーなどの確立されたアーキテクチャやその他の最新のアーキテクチャよりも、データセット上でパフォーマンスの点で優れていることが明らかになりました。
さらに、タイルごとの詳細な分類において、良性と悪性の検出では感度と特異度が 0.94 と 0.98、グリソン 3 とグリソン 4 では 0.91 と 0.75 という現在の最先端技術を上回る性能を発揮することができました。
＆ 5 分類。
私たちのツールは、研究コミュニティ内での AI ベースのグリーソングレーディングの幅広い採用に貢献し、デジタル病理学における深層学習モデルのより広範な臨床応用への道を開きます。
DeepGleason はオープンソースであり、Git リポジトリ https://github.com/frankkramer-lab/DeepGleason で研究アプリケーションとして公開されています。

要約(オリジナル)

Advances in digital pathology and artificial intelligence (AI) offer promising opportunities for clinical decision support and enhancing diagnostic workflows. Previous studies already demonstrated AI’s potential for automated Gleason grading, but lack state-of-the-art methodology and model reusability. To address this issue, we propose DeepGleason: an open-source deep neural network based image classification system for automated Gleason grading using whole-slide histopathology images from prostate tissue sections. Implemented with the standardized AUCMEDI framework, our tool employs a tile-wise classification approach utilizing fine-tuned image preprocessing techniques in combination with a ConvNeXt architecture which was compared to various state-of-the-art architectures. The neural network model was trained and validated on an in-house dataset of 34,264 annotated tiles from 369 prostate carcinoma slides. We demonstrated that DeepGleason is capable of highly accurate and reliable Gleason grading with a macro-averaged F1-score of 0.806, AUC of 0.991, and Accuracy of 0.974. The internal architecture comparison revealed that the ConvNeXt model was superior performance-wise on our dataset to established and other modern architectures like transformers. Furthermore, we were able to outperform the current state-of-the-art in tile-wise fine-classification with a sensitivity and specificity of 0.94 and 0.98 for benign vs malignant detection as well as of 0.91 and 0.75 for Gleason 3 vs Gleason 4 & 5 classification, respectively. Our tool contributes to the wider adoption of AI-based Gleason grading within the research community and paves the way for broader clinical application of deep learning models in digital pathology. DeepGleason is open-source and publicly available for research application in the following Git repository: https://github.com/frankkramer-lab/DeepGleason.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google