基于注意力的多分辨率模型用于前列腺全切片图像分类与定位
计算机视觉与模式识别
2019-05-31 v1 图像与视频处理
摘要
组织学审查常被用作疾病诊断的“金标准”。计算机辅助诊断工具可通过减少检查时间和观察者间变异性来潜在地改善当前的病理工作流程。以往癌症分级的工作主要集中于分类预定义的感兴趣区域（ROIs），或依赖于大量细粒度标签。在本文中，我们提出一种基于注意力的两阶段多示例学习模型，用于切片级癌症分级和弱监督 ROI 检测，并展示其在前列腺癌中的应用。与现有的 Gleason 分类模型相比，我们的模型更进一步，利用可视化的显著图来选择信息丰富的图块进行细粒度分级分类。该模型主要在一个大规模全切片数据集上开发，该数据集包含来自 718 名患者的 3,521 张前列腺活检切片，仅带有切片级标签。该模型在独立测试集上以 85.11% 的准确率对良性、低级别（Gleason 评分 3+3 或 3+4）和高级别（Gleason 评分 4+3 或更高）切片进行分类，实现了前列腺癌分级的最先进性能。
引用
@article{arxiv.1905.13208,
title = {An attention-based multi-resolution model for prostate whole slide imageclassification and localization},
author = {Jiayun Li and Wenyuan Li and Arkadiusz Gertych and Beatrice S. Knudsen and William Speier and Corey W. Arnold},
journal= {arXiv preprint arXiv:1905.13208},
year = {2019}
}
备注
8 pages, 4 figures, CVPR 2019 Towards Causal, Explainable and Universal Medical Visual Diagnosis (MVD) Workshop