细胞即节点：基于经典机器学习社会网络分析的 SOTA 组织学图像分类
计算机视觉与模式识别
2021-07-13 v2 社会与信息网络
摘要
组织学图像的数字化和深度学习等新计算方法的发展，助力了结直肠腺癌（CRA）的自动分级。然而，现有自动 CRA 分级方法通常使用微小图像块，因而未能整合整体组织微结构用于分级。为应对这些挑战，我们提出使用统计网络分析方法，将细胞核及其连接建模为网络，以描述组织微环境的复杂结构。我们表明，仅通过分析网络中细胞间的相互作用，即可提取用于 CRA 分级的极具判别力的统计特征。与其他深度学习或基于卷积图的方法不同，我们的方法高度可扩展（可用于包含数百万节点的细胞网络）、完全可解释且计算开销低。我们在广泛的 CRC 组织学图像数据集上构建细胞网络，用所提方法进行实验，并报告了三类 CRA 分级预测的 state-of-the-art 性能。
引用
@article{arxiv.2106.15299,
title = {Cells are Actors: Social Network Analysis with Classical ML for SOTA Histology Image Classification},
author = {Neda Zamanitajeddin and Mostafa Jahanifar and Nasir Rajpoot},
journal= {arXiv preprint arXiv:2106.15299},
year = {2021}
}