基于注意力多示例学习的肺癌组织微阵列生存预测
计算机视觉与模式识别
2023-02-23 v2
摘要
基于注意力的多示例学习（AMIL）算法已证明能成功利用十亿像素全切片图像（WSIs）完成多种计算病理任务，如结局预测与癌症分型问题。我们将AMIL方法扩展到生存预测任务，利用经典Cox偏似然作为损失函数，将AMIL模型转化为非线性比例风险模型。我们将该模型应用于330名肺癌患者的组织微阵列（TMA）切片。结果表明，AMIL方法可处理TMA中极少量的组织，并达到与基于年龄、癌症分级和癌症分期等高度判别性临床因素训练的既有生存预测方法相似的C-index性能。
引用
@article{arxiv.2212.07724,
title = {Attention-based Multiple Instance Learning for Survival Prediction on Lung Cancer Tissue Microarrays},
author = {Jonas Ammeling and Lars-Henning Schmidt and Jonathan Ganz and Tanja Niedermair and Christoph Brochhausen-Delius and Christian Schulz and Katharina Breininger and Marc Aubreville},
journal= {arXiv preprint arXiv:2212.07724},
year = {2023}
}
备注
Final version for the BVM 2023 Workshop