Deep learning-based Subtyping of Atypical and Normal Mitoses using a Hierarchical Anchor-Free Object Detector

要約

有糸分裂活性は、多くの腫瘍の悪性度を評価するための鍵です。
さらに、正常な有糸分裂に対する異常な有糸分裂の割合が予後的に重要であることが実証されています。
非定型有糸分裂像 (MF) は、染色分体の分離異常を有するものとして形態学的に識別できます。
この作業では、有糸分裂のさまざまな段階の特徴的な形態学的外観に従って、有糸分裂像の正常なカテゴリと非定型的なカテゴリへの自動サブタイピングを初めて実行します。
公開されている MIDOG21 および TUPAC16 乳癌有糸分裂データセットを使用して、2 人の専門家が盲目的に有糸分裂像を 5 つの形態学的カテゴリに分類しました。
さらに、最先端のオブジェクト検出パイプラインをセットアップし、アンカーのない FCOS アプローチをゲート階層サブ分類ブランチで拡張します。
私たちのラベリング実験は、有糸分裂像のサブタイピングが困難な作業であり、MF の 24.89% で見つかった評価者間の不一致を起こしやすいことを示しました。
より多様な MIDOG21 データセットをトレーニングに使用し、TUPAC16 をテストに使用して、0.552 の平均全体精度スコア、非定型/正常 MF の ROC AUC スコア 0.833、および識別のためのクラス平均 ROC-AUC スコア 0.977 に達しました。
有糸分裂中の細胞のさまざまな段階。

要約(オリジナル)

Mitotic activity is key for the assessment of malignancy in many tumors. Moreover, it has been demonstrated that the proportion of abnormal mitosis to normal mitosis is of prognostic significance. Atypical mitotic figures (MF) can be identified morphologically as having segregation abnormalities of the chromatids. In this work, we perform, for the first time, automatic subtyping of mitotic figures into normal and atypical categories according to characteristic morphological appearances of the different phases of mitosis. Using the publicly available MIDOG21 and TUPAC16 breast cancer mitosis datasets, two experts blindly subtyped mitotic figures into five morphological categories. Further, we set up a state-of-the-art object detection pipeline extending the anchor-free FCOS approach with a gated hierarchical subclassification branch. Our labeling experiment indicated that subtyping of mitotic figures is a challenging task and prone to inter-rater disagreement, which we found in 24.89% of MF. Using the more diverse MIDOG21 dataset for training and TUPAC16 for testing, we reached a mean overall average precision score of 0.552, a ROC AUC score of 0.833 for atypical/normal MF and a mean class-averaged ROC-AUC score of 0.977 for discriminating the different phases of cells undergoing mitosis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google