C2P-GCN：用于结直肠癌分级的细胞到补丁图卷积网络
图像与视频处理
2024-05-14 v2 计算机视觉与模式识别
机器学习
摘要
基于图的学习方法因其能够编码组织/器官结构信息，在结直肠癌组织学图像分级中日益受到青睐。最近的基于图的技术涉及将全切片图像 (WSI) 划分为较小或中等大小的补丁，然后在每个补丁上构建图以直接用于训练。然而，这种方法未能捕捉整个 WSI 中存在的组织结构信息，并且依赖于大量图像补丁数据集进行训练。在本文中，我们提出了一种新颖的细胞到补丁图卷积网络 (C2P-GCN)，这是一种基于两阶段图形成的方法。在第一阶段，它基于 WSI 每个补丁上的细胞组织形成补丁级图。在第二阶段，它将每个补丁视为图的一个节点，基于 WSI 各补丁之间的相似性度量形成图像级图。然后将该图表示输入到基于多层 GCN 的分类网络中。我们的方法通过其双阶段图构建，有效地从单个补丁中收集局部结构细节，并在整个 WSI 的所有补丁之间建立了有意义的连接。由于 C2P-GCN 将整个 WSI 的结构数据整合到单个图中，与最新的结直肠癌模型相比，我们的模型可以使用显著更少的训练数据。在两个不同的结直肠癌数据集上对 C2P-GCN 进行的实验验证证明了该方法的有效性。
引用
@article{arxiv.2403.04962,
title = {C2P-GCN: Cell-to-Patch Graph Convolutional Network for Colorectal Cancer Grading},
author = {Sudipta Paul and Bulent Yener and Amanda W. Lund},
journal= {arXiv preprint arXiv:2403.04962},
year = {2024}
}
备注
Accepted at IEEE EMBC 2024