A deep learning based approach for classification of CerbB2 tumor cells in breast cancer

This study proposes a unique approach to classify CerbB2 tumor cell scores in breast cancer based on deep learning models. Another contribution of the study is the creation of a dataset from original breast cancer tissues. On the purpose of training, validating and testing with deep learning models cell fragments were generated from sample tissue images. CerbB2 tumor scores were generated for the cell fragments were classified with high performance by the aid of convolutional neural networks (CNN).

I. GıRış

Günümüzde, meme kanseri, yaygınlaşan bir hastalık olarak incelenip, bilimsel çalışmalara sıklıkla konu olmaktadır. Yaygınlaşan bu kanser türünde, özellikle tedavi sürecinde başarıyı arttırmaya yönelik olarak disiplinler arası birçok çalışma ortaya çıkmaktadır. Bu amaç doğrultusunda da, hedefe yönelik tedavi (targeted therapy/treatment) yaklaşımları son yıllarda yaygınlaşmaktadır. Hedefe yönelik tedavi amacıyla epidermal büyüme reseptörü (EGFR) ailesine ait bir protein olan CerbB2 tümör işaretleyicisi kullanılmaktadır [1], [2]. Meme dokularında, mutasyona uğramış CerbB2 tümörlü hücreler, hücre çeperinde bulunan CerbB2 proteininin artışıyla tespit edilmektedir [3]. Protein artışının görünür kılınıp patologlar tarafından değerlendirilebilmesi için, FISH (Fluorescent in Situ Hybridization) ve İmmuno Histo Kimya (İHK) tabanlı olmak üzere iki farklı boyama tekniği kullanılmaktadır [4], [5]. Bu tekniklerden, zaman ve maliyet açısından daha uygun olan ve ASCO / CAP 2013 önerilerine göre dört dereceli bir skor ölçeği içeren İHK yaklaşımı, meme kanseri tedavi sürecinin belirlenmesinde sıklıkla kullanılmaktadır [6] (bkz. Şekil 1).