Gigapixel 병리 이미지에서 암 전이 검출

매년 미국에서 23만 명 이상의 유방암 환자의 치료 결정은 암이 유방 외로 전이되었는지 여부에 따라 달라집니다. 현재 전이 검출은 병리학자가 생물 조직의 넓은 범위를 검토함으로써 수행되며, 이 과정은 노동 집약적이며 오류가 발생하기 쉽습니다. 본 연구에서는 100,000 x 100,000 픽셀 크기의 기가픽셀 현미경 이미지에서 100 x 100 픽셀 크기의 종양을 자동으로 감지하고 위치를 특정하는 프레임워크를 제시합니다. 우리의 방법은 합성곱 신경망(CNN) 구조를 활용하여 Camelyon16 데이터셋에서 도전적인 병변 수준의 종양 감지 작업에서 최고 수준의 결과를 얻었습니다. 이미지당 8개의 가짜 양성 결과를 허용할 때, 우리는 종양의 92.4%를 감지하였으며, 이는 이전 최고 자동화 접근 방식인 82.7%보다 높은 비율입니다. 비교 대상으로 인간 병리학자가 완전한 탐색을 시도했을 때 73.2%의 민감도를 보였습니다. Camelyon16 테스트 세트와 독립적으로 수집된 110장의 슬라이드 세트 모두에서 이미지 수준 AUC 점수가 97% 이상을 기록하였습니다. 또한, Camelyon16 훈련 세트에서 두 장의 슬라이드가 정상으로 잘못 라벨링되었다는 것을 발견하였습니다. 우리의 접근 방식은 전이 검출에서 크게 가짜 음성률을 줄일 수 있을 것입니다.