FECT: Classification of Breast Cancer Pathological Images Based on Fusion Features

要約

乳がんは世界中の女性の間で最も一般的ながんの 1 つであり、早期診断と正確な分類が重要です。
ディープラーニングとコンピュータービジョンの進歩により、乳房組織の病理画像の自動分類が研究の焦点として浮上しています。
既存の方法は通常、単一の細胞または組織の特徴に依存しており、分類が困難なカテゴリの形態学的特徴に対する設計上の考慮事項が欠如しており、その結果、分類パフォーマンスが最適化されていません。
これらの問題に対処するために、我々は、ResMTUNet とアテンションベースのアグリゲーターを使用して、これらの特徴を抽出して集約する、エッジ、細胞、および組織 (FECT) の特徴を融合した新しい乳がん組織分類モデルを提案します。
BRACS データセットに対する広範なテストにより、私たちのモデルが分類精度と F1 スコアの点で現在の高度な手法を上回っていることが実証されました。
さらに、病理学者の診断アプローチと一致する特徴の融合により、私たちのモデルは解釈可能性を示し、将来の臨床応用で重要な役割を担うことが期待されています。

要約(オリジナル)

Breast cancer is one of the most common cancers among women globally, with early diagnosis and precise classification being crucial. With the advancement of deep learning and computer vision, the automatic classification of breast tissue pathological images has emerged as a research focus. Existing methods typically rely on singular cell or tissue features and lack design considerations for morphological characteristics of challenging-to-classify categories, resulting in suboptimal classification performance. To address these problems, we proposes a novel breast cancer tissue classification model that Fused features of Edges, Cells, and Tissues (FECT), employing the ResMTUNet and an attention-based aggregator to extract and aggregate these features. Extensive testing on the BRACS dataset demonstrates that our model surpasses current advanced methods in terms of classification accuracy and F1 scores. Moreover, due to its feature fusion that aligns with the diagnostic approach of pathologists, our model exhibits interpretability and holds promise for significant roles in future clinical applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google