Компьютеризированная диагностика рака простаты на основе полнослайдовых гистологических изображений и методов глубокого обучения
https://doi.org/10.37661/1816-0301-2020-17-4-48-60
Аннотация
Представлены результаты экспериментальных исследований и разработки средств автоматического анализа и распознавания гистологических изображений с целью получения количественных оценок наличия и степени агрессивности рака простаты в общепринятых шкалах Глисона и ISUP. В качестве исходных данных использовались 10 616 полнослайдовых гистологических изображений с размером большей стороны до 100 000 пикселов и 22 089 их фрагментов размером 256×256 пикселов. Проведена оценка эффективности решения задачи с применением как традиционных методов, так и методов глубокого обучения. В качестве финальных выбраны два решения. Первое решение основано на последовательном анализе фрагментов изображений и включает выделение признаков с использованием сети ResNet50 и последующим обобщением частных результатов распознавания с помощью небольшой сверточной сети. Второе решение базируется на одновременном анализе отобранных информативных участков, представленных в виде промежуточного псевдоизображения, и последующем его распознавании с использованием ансамбля из четырех вариантов сверточных сетей с архитектурой EfficientNetB0. В результате независимого тестирования на закрытом наборе изображений, недоступных авторам, достигнута точность предсказания финальной оценки по шкале ISUP, равная 0,9277.
Ключевые слова
Для цитирования:
Ковалев В.А., Войнов Д.М., Малышев В.Д., Лапо Е.Д. Компьютеризированная диагностика рака простаты на основе полнослайдовых гистологических изображений и методов глубокого обучения. Информатика. 2020;17(4):48-60. https://doi.org/10.37661/1816-0301-2020-17-4-48-60
For citation:
Kovalev V.A., Voynov D.M., Malyshau V.D., Lapo E.D. Computerized diagnosis of prostate cancer based on whole slide histology images and deep learning methods. Informatics. 2020;17(4):48-60. (In Russ.) https://doi.org/10.37661/1816-0301-2020-17-4-48-60