Domain-specific transfer learning in the automated scoring of tumor-stroma ratio from histopathological images of colorectal cancer

要約

腫瘍間質比 (TSR) は、多くの種類の固形腫瘍の予後因子です。
本研究では、結腸直腸癌の組織病理学的画像から TSR を自動推定する方法を提案します。
この方法は、ヘマトキシリン-エオジン染色サンプルの結腸直腸癌組織を間質、腫瘍、その他の 3 つのクラスに分類するように訓練された畳み込みニューラル ネットワークに基づいています。
モデルは、1343 枚の全スライド画像で構成されるデータ セットを使用してトレーニングされました。
ドメイン固有のデータ、つまり外部結腸直腸癌組織病理学的データセットを使用した転移学習アプローチで、3 つの異なるトレーニング設定が適用されました。
最も正確な 3 つのモデルが分類子として選択され、TSR 値が予測され、その結果が病理学者による視覚的な TSR 推定と比較されました。
この結果は、当面のタスクで畳み込みニューラル ネットワーク モデルの事前トレーニングにドメイン固有のデータが使用されている場合、分類精度が向上しないことを示唆しています。
間質、腫瘍、およびその他の分類精度は、独立したテスト セットで 96.1$\%$ に達しました。
3 つのクラスの中で、最高のモデルが腫瘍クラスで最高の精度 (99.3$\%$) を獲得しました。
TSR が最良のモデルで予測された場合、予測値と経験豊富な病理学者によって推定された値との相関は 0.57 でした。
計算によって予測された TSR 値と結腸直腸癌の他の臨床病理学的因子と患者の全生存率との関連を研究するには、さらなる研究が必要です。

要約(オリジナル)

Tumor-stroma ratio (TSR) is a prognostic factor for many types of solid tumors. In this study, we propose a method for automated estimation of TSR from histopathological images of colorectal cancer. The method is based on convolutional neural networks which were trained to classify colorectal cancer tissue in hematoxylin-eosin stained samples into three classes: stroma, tumor and other. The models were trained using a data set that consists of 1343 whole slide images. Three different training setups were applied with a transfer learning approach using domain-specific data i.e. an external colorectal cancer histopathological data set. The three most accurate models were chosen as a classifier, TSR values were predicted and the results were compared to a visual TSR estimation made by a pathologist. The results suggest that classification accuracy does not improve when domain-specific data are used in the pre-training of the convolutional neural network models in the task at hand. Classification accuracy for stroma, tumor and other reached 96.1$\%$ on an independent test set. Among the three classes the best model gained the highest accuracy (99.3$\%$) for class tumor. When TSR was predicted with the best model, the correlation between the predicted values and values estimated by an experienced pathologist was 0.57. Further research is needed to study associations between computationally predicted TSR values and other clinicopathological factors of colorectal cancer and the overall survival of the patients.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google