Deep Learning-Modelle unterstützen Nachweis von Krebs-Arten/Krebs-Subtypen
2018
Applied Bioinformatics Laboratories, New York University School of Medicine, New York, USA(1)
Department of Population Health and the Center for Healthcare Innovation and Delivery Science, New York, USA(2)
Department of Population Health and the Center for Healthcare Innovation and Delivery Science, New York, USA(2)
Ein neuronales Netzwerk (Inception v3) wurde auf mehr als 1.600 histopathologische Bilder trainiert, die aus dem Krebsgenomatlas entnommen wurden, um sie automatisch mit 97% Genauigkeit als Adenokarzinom, Plattenepithelkarzinom oder normales Lungengewebe zu klassifizieren. Darüber hinaus kann das Netzwerk die zehn am häufigsten mutierten Gene beim Adenokarzinom mit einer Genauigkeit von 73 bis 86% vorhersagen. Diese Ergebnisse legen nahe, dass Deep-Learning-Modelle Pathologen beim Nachweis von Krebs-Subtypen oder Genmutationen unterstützen können. Dieser Ansatz kann auf jeden Krebstyp angewendet werden. Der Code ist unter https://github.com/ncoudray/DeepPATH verfügbar.
Classification and mutation prediction from non–small cell lung cancer histopathology images using deep learning
Aristotelis Tsirigos (1), Narges Razavian(2)
Eingestellt am: 21.04.2020
[1] https://www.nature.com/articles/s41591-018-0177-5[2] https://www.cancer.gov/news-events/cancer-currents-blog/2018/artificial-intelligence-lung-cancer-classification