주의 기반 딥 뉴럴 네트워크를 이용한 조직병리 슬라이드에서 암성 및 전암성 식도 조직 검출

딥러닝 기반 방법, 예를 들어 크롭된 이미지 분류를 위한 슬라이딩 윈도우 접근법과 전체 슬라이드 추론을 위한 휴리스틱 집계법은 고해상도 현미경 이미지에서 조직학적 패턴을 분석하는 데 유망한 결과를 보여주었습니다. 그러나 이러한 접근법들은 번거로운 주석 과정을 필요로 하며 분산되어 있습니다. 이 진단 연구는 새로운 모델의 훈련을 위해 컨벌루션 신경망과 그리드 기반 주의 네트워크로 구성된 모델을 관심 영역 주석 없이 훈련할 수 있도록 탈식별화된 고해상도 조직학적 이미지(N = 379)를 수집했습니다.2016년 1월 1일부터 2018년 12월 31일까지 다트머스-히치콕 의료센터(뉴햄프셔 주 레바논)에서 내시경 식도 및 식도-위 접합부 점막 생검을 받은 환자의 조직학적 이미지를 수집하였습니다. 해당 방법은 123개의 테스트 이미지를 분류하는 평균 정확도가 0.83을 달성하였습니다. 이 결과는 관심 영역으로 훈련된 현재 최신 슬라이딩 윈도우 접근법의 성능과 비교할 수 있거나 더 우수하였습니다.본 연구의 결과는 바렛 식도와 식도 선암 검출을 위한 제안된 주의 기반 딥 뉴럴 네트워크 프레임워크가 중요하다는 것을 시사합니다. 이 프레임워크는 기존의 관심 영역 기반 방법과 달리 조직 수준 주석만으로 구성되기 때문입니다. 이 새로운 모델은 딥러닝을 디지털 병리학에 적용하는 길을 열 것으로 기대됩니다.