基于注意力的弱监督框架用于全切片图像中 Spitzoid 黑素细胞病变诊断
图像与视频处理
2021-04-21 v1 计算机视觉与模式识别
机器学习
摘要
黑色素瘤是一种侵袭性肿瘤，占皮肤癌死亡的大多数。具体而言，spitzoid 黑素细胞肿瘤因形态学特征模糊，是最具挑战性的黑素细胞病变之一。其诊断与预后的金标准是皮肤活检分析。该过程中，皮肤病理学家在显微镜下观察组织学切片，耗时且主观。近年来，计算机辅助诊断（CAD）系统已成为有望支持病理学家日常临床工作的工具。然而，尚未有自动 CAD 系统被提出用于 spitzoid 病变分析。对于常见黑色素瘤，现有系统均无法同时完成肿瘤区域筛选与良恶性诊断预测。受此驱动，我们提出一种新颖的端到端弱监督深度学习模型，基于归纳迁移学习与改进的卷积神经网络（CNN）以精炼隐空间嵌入特征。该框架由负责发现肿瘤块级模式的源模型，以及专注于活检具体诊断的目标模型组成。后者通过多示例学习工作流重训练源模型骨干以获得活检级评分。为评估所提方法性能，我们在含 spitzoid 病变的私有皮肤数据库上开展大量实验。源模型与目标模型的测试准确率分别达 0.9231 与 0.80。此外，热力图发现与临床医生医疗决策直接一致，甚至在某些情况下突显出因工作量巨大被病理学家忽略的感兴趣模式。
引用
@article{arxiv.2104.09878,
title = {An Attention-based Weakly Supervised framework for Spitzoid Melanocytic Lesion Diagnosis in WSI},
author = {Rocío del Amor and Laëtitia Launet and Adrián Colomer and Anaïs Moscardó and Andrés Mosquera-Zamudio and Carlos Monteagudo and Valery Naranjo},
journal= {arXiv preprint arXiv:2104.09878},
year = {2021}
}
备注
16 pages