基于深度度量学习的弱标注恶性淋巴瘤大组织病理图像案例式相似图像检索
计算机视觉与模式识别
2023-01-30 v4
摘要
在本研究中，我们提出一种用于恶性淋巴瘤苏木精-伊红（H&E）染色组织病理图像的新型案例式相似图像检索（SIR）方法。当以全切片图像（WSI）作为查询输入时，期望能够通过聚焦于肿瘤细胞等病理重要区域中的图像块来检索相似案例。为解决该问题，我们采用基于注意力的多示例学习，其使得我们在计算案例间相似性时能够聚焦于肿瘤特异性区域。此外，我们采用对比距离度量学习，以将免疫组化（IHC）染色模式作为有用的监督信息纳入，用于定义异质性恶性淋巴瘤案例间的恰当相似性。在 249 名恶性淋巴瘤患者的实验中，我们确认所提方法展现出高于基线案例式 SIR 方法的评价指标。此外，病理学家的主观评价揭示，我们利用 IHC 染色模式的相似性度量适用于表示恶性淋巴瘤 H&E 染色组织图像的相似性。
引用
@article{arxiv.2107.03602,
title = {Case-based Similar Image Retrieval for Weakly Annotated Large Histopathological Images of Malignant Lymphoma Using Deep Metric Learning},
author = {Noriaki Hashimoto and Yusuke Takagi and Hiroki Masuda and Hiroaki Miyoshi and Kei Kohno and Miharu Nagaishi and Kensaku Sato and Mai Takeuchi and Takuya Furuta and Keisuke Kawamoto and Kyohei Yamada and Mayuko Moritsubo and Kanako Inoue and Yasumasa Shimasaki and Yusuke Ogura and Teppei Imamoto and Tatsuzo Mishina and Ken Tanaka and Yoshino Kawaguchi and Shigeo Nakamura and Koichi Ohshima and Hidekata Hontani and Ichiro Takeuchi},
journal= {arXiv preprint arXiv:2107.03602},
year = {2023}
}