Deep learning-based method for segmenting epithelial layer of tubules in histopathological images of testicular tissue

要約

男性の生殖が環境化学物質の影響を受けるという懸念が高まっています。
環境汚染物質の悪影響を判断する 1 つの方法は、野生動物をモニターとして使用し、組織病理学を使用して精巣毒性を評価することです。
自動化された方法は、手動評価の主観性を克服し、プロセスを加速するために、組織病理学の定量的評価に必要なツールです。
精巣組織の組織像を処理する自動化された方法を提案します。
精細管の上皮層のセグメント化は、組織の異常を検出する自動化された方法を開発するための前提条件です。
組織学的画像の精細管の上皮層をセグメント化するために、エンコーダー/デコーダーが完全に接続された畳み込みニューラル ネットワーク (F-CNN) モデルを提案します。
エンコーダーで ResNet-34 モジュールを使用すると、勾配の消失を回避し、ネットワークの収束を加速するショートカット メカニズムが追加されます。
スクイーズ & 励起 (SE) アテンション ブロックは、上皮のセグメンテーションと局在化を改善するエンコーディング モジュールに統合されています。
尿細管の上皮層がターゲット クラスである 2 クラスの問題に対して、提案された方法を適用しました。
提案手法の f スコアと IoU は 0.85 と 0.92 です。
提案された方法は限られたトレーニング セットでトレーニングされますが、独立したデータセットでうまく機能し、他の最先端の方法よりも優れています。
エンコーダーの事前トレーニング済み ResNet-34 と、デコーダーで提案されているアテンション ブロックにより、セグメンテーションと一般化が向上します。
提案された方法は、任意の哺乳類種からの精巣組織画像に適用でき、完全に自動化された精巣組織処理パイプラインの最初の部分として使用できます。
データセットとコードは GitHub で公開されています。

要約(オリジナル)

There is growing concern that male reproduction is affected by environmental chemicals. One way to determine the adverse effect of environmental pollutants is to use wild animals as monitors and evaluate testicular toxicity using histopathology. Automated methods are necessary tools in the quantitative assessment of histopathology to overcome the subjectivity of manual evaluation and accelerate the process. We propose an automated method to process histology images of testicular tissue. Segmenting the epithelial layer of the seminiferous tubule is a prerequisite for developing automated methods to detect abnormalities in tissue. We suggest an encoder-decoder fully connected convolutional neural network (F-CNN) model to segment the epithelial layer of the seminiferous tubules in histological images. Using ResNet-34 modules in the encoder adds a shortcut mechanism to avoid the gradient vanishing and accelerate the network convergence. The squeeze & excitation (SE) attention block is integrated into the encoding module improving the segmentation and localization of epithelium. We applied the proposed method for the 2-class problem where the epithelial layer of the tubule is the target class. The f-score and IoU of the proposed method are 0.85 and 0.92. Although the proposed method is trained on a limited training set, it performs well on an independent dataset and outperforms other state-of-the-art methods. The pretrained ResNet-34 in the encoder and attention block suggested in the decoder result in better segmentation and generalization. The proposed method can be applied to testicular tissue images from any mammalian species and can be used as the first part of a fully automated testicular tissue processing pipeline. The dataset and codes are publicly available on GitHub.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google