《利用訓(xùn)練無需人工標(biāo)注的計算機(jī)輔助診斷模型，釋放數(shù)字病理數(shù)據(jù)的潛力》

江海博覽 2022-09-10 發(fā)布于浙江

展開全文

臨床組織病理學(xué)工作流的數(shù)字化，以及深度學(xué)習(xí)的進(jìn)步，正在為計算機(jī)輔助診斷(CAD)工具鋪平道路，這類工具可以在無需人工干預(yù)的情況下從臨床數(shù)據(jù)中學(xué)習(xí)，盡管仍存在一些挑戰(zhàn)。

組織病理學(xué)是癌癥診斷的金標(biāo)準(zhǔn)。它涉及對組織切片的檢查，以確定疾病的顯微表現(xiàn)。通過活組織檢查或手術(shù)切除采集組織樣本，然后由病理醫(yī)生進(jìn)行顯微鏡檢查。人工分析是一項很耗時的任務(wù)，每幅圖像需要時間長達(dá)一個小時。然而，由于組織形態(tài)的異質(zhì)性、任意選擇組織區(qū)域進(jìn)行詳細(xì)分析，以及對結(jié)果的主觀評價，這些因素通常會導(dǎo)致病理醫(yī)生之間的診斷一致性較差。

在臨床實踐中，盡管數(shù)字病理學(xué)正變得越來越普及，但處理和分析通常都還是在很有限的數(shù)字化輔助下進(jìn)行。數(shù)字病理涉及采集和管理數(shù)字化的組織標(biāo)本，稱為全切片圖像(WSI)。

計算機(jī)病理學(xué)是一個利用計算機(jī)輔助診斷工具自動分析數(shù)字病理圖像為核心的新興領(lǐng)域。卷積神經(jīng)網(wǎng)絡(luò)(CNN)已經(jīng)成為解決多個計算病理學(xué)任務(wù)的最先進(jìn)的方法，能達(dá)到很好的性能。然而，盡管有越來越多的方法、應(yīng)用和科學(xué)發(fā)現(xiàn)，但數(shù)字臨床病理學(xué)數(shù)據(jù)的全部潛力仍未得以發(fā)揮，還有一些問題和挑戰(zhàn)尚未解決。

本文提出并評估了一種方法，以緩解在輔助訓(xùn)練診斷工具中充分利用數(shù)字化臨床病理數(shù)據(jù)的局限性。該方法包括一個自動分析自由文本報告的自然語言處理(NLP)工具和一個經(jīng)過弱注釋訓(xùn)練的計算機(jī)視覺算法來對圖像進(jìn)行分類。NLP工具自動從自由文本格式的診斷報告中提取有語義意義的概念，用作訓(xùn)練圖像分類器的弱標(biāo)簽。使用該方法時，可以改變和修改，允許采用不同的技術(shù)，這些技術(shù)可以根據(jù)要解決的問題的特征和最先進(jìn)的算法而變化。該方法在數(shù)字病理結(jié)腸數(shù)據(jù)上進(jìn)行了測試，完全繞過了對人工的需求，充分釋放了臨床工作流中所采集數(shù)據(jù)的潛力。為了證明自動生成的弱標(biāo)簽用于訓(xùn)練的可靠性，將利用自動生成標(biāo)簽訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)(CNN)與利用手工標(biāo)簽訓(xùn)練的相同架構(gòu)進(jìn)行了比較。結(jié)果表明，將文本分析與端到端深度神經(jīng)網(wǎng)絡(luò)相結(jié)合，僅根據(jù)現(xiàn)有臨床數(shù)據(jù)，而無需手工注釋，就可構(gòu)建性能可靠的計算機(jī)輔助診斷工具（圖像級微精度=0.908）。