完全自动的HER2组织细分用于可解释的HER2评分

科学领域:

• 在瘤学瘤学.
• 生物医学图像分析
• 计算病理学计算病理学

背景情况:

• 在乳腺癌中,HER2过度表达至关重要,指导治疗决策.
• 目前由人类评分器使用的HER2评分方法表现出差异性.
• 准确的HER2评估对于有效的乳腺癌治疗至关重要.

研究的目的:

• 开发一个完全自动化和可解释的乳腺癌HER2评分管道.
• 使用像素级别细分,使自动评分与既定的临床指南保持一致.
• 通过计算方法解决人类HER2评估的变异性.

主要方法:

• 一个完全自动化的管道,利用像素级语义细分来进行HER2评分.
• 使用多边形注释来平衡细节捕获和注释工作.
• 纳入瓦斯斯坦子损失,以增强细分,并为得分规则提供新的校准步骤.

主要成果:

• 拟议的管道实现了HER2评分的0.832的F1评分.
• 在强大的细分和准确的HER2评分方面已证明有效.
• 校准步骤对自动评分的准确性和一致性产生积极影响.

结论:

• 开发的管道为自动HER2评分提供了一种强大而可靠的方法.
• 这种方法可以增强对乳腺癌组织中HER2表达的分析.
• 自动化系统在减少HER2评估中观察者之间的变异性方面表现有前途.