CLASIFICACIÓN DE IMÁGENES CON SOBREEXPRESIÓN DE LA PROTEÍNA HER2 USANDO BAYESIAN DEEP LEARNING

Abstract

La proteína human epidermal growth factor receptor 2 (HER2) es un biomarcador utilizado en muestras histológicas para el diagnóstico de distintos tipos de cáncer. HER2 scoring, es una tarea crucial realizada por los patólogos, que permite determinar si el paciente es apto para recibir la terapia anti-HER2. Sin embargo, este análisis es semi-cuantitativo y propenso a errores. Avances en la digitalización de muestras de histopatología, han permitido el desarrollo de herramientas computacionales para asistir en el proceso de evaluación. Tarea no trivial, debido al enorme tamaño de las imágenes, y a las diversas fuentes de ruido durante su digitalización. En esta memoria, se implementan algoritmos de análisis de imágenes, basado en el enfoque bayesian deep learning, para la asistencia en el diagnóstico histopatológico de la sobrepresión de la proteína HER2. Contribuyendo con los modelos de incertidumbre stain separation MC-dropout model y stain separation aleatoric model, y la desarrollo del framework her2bdl, una herramienta para acelerar el desarrollo de nuevos modelos.