MILD-Net: Netzwerk mit minimaler Informationsverlust bei der dilativen Segmentierung von Drüseninstanzen in kolonhistologischen Bildern

Die Analyse der Drüsenmorphologie in kolonhistopathologischen Bildern ist ein wichtiger Schritt zur Bestimmung des Gradings von Kolkrebs. Trotz der Bedeutung dieser Aufgabe ist die manuelle Segmentierung aufwendig, zeitaufwendig und kann von der Subjektivität der Pathologen beeinträchtigt werden. Der Aufschwung der computergestützten Pathologie hat zur Entwicklung automatisierter Methoden für die Drüsensegmentierung geführt, die diese Herausforderungen überwinden sollen. Allerdings ist diese Aufgabe nicht trivial aufgrund der großen Variabilität im Erscheinungsbild der Drüsen und der Schwierigkeit, bestimmte drüsenausschließende histologische Strukturen zu differenzieren. Des Weiteren ist eine Unsicherheitsmessung für diagnostische Entscheidungsfindungen entscheidend. Um diesen Herausforderungen gerecht zu werden, schlagen wir ein vollständig konvolutorisches neuronales Netzwerk vor, das den Informationsverlust durch Max-Pooling durch die erneute Einführung des Originalbildes an mehreren Stellen im Netzwerk kompensiert. Wir verwenden zudem Atrous Spatial Pyramid Pooling mit variablen Dilatationsraten zur Erhaltung der Auflösung und zur Mehrstufigen Aggregation. Um Unsicherheit einzubeziehen, führen wir während der Testphase zufällige Transformationen durch, um eine verbesserte Segmentierungsergebnisse zu erzielen, die gleichzeitig eine Unsicherheitskarte generiert, die unsichere Bereiche hervorhebt. Wir zeigen, dass diese Karte verwendet werden kann, um ein Maß zu definieren, das Vorhersagen mit hoher Unsicherheit ausschließt. Das vorgeschlagene Netzwerk erreicht den aktuellen Stand der Technik auf dem GlaS-Challenge-Datensatz sowie auf einem zweiten unabhängigen Datensatz von kolorektalem Adenokarzinom. Zudem führen wir eine Instanzsegmentierung von Drüsen in Whole-Slide-Bildern aus zwei weiteren Datensätzen durch, um die Übertragbarkeit unserer Methode zu unterstreichen. Als Erweiterung stellen wir MILD-Net+ vor, das gleichzeitige Segmentation von Drüsen und Lumina ermöglicht, um die diagnostische Leistungsfähigkeit des Netzwerks zu erhöhen.