用于全切片图像排列不变分类的聚类补丁嵌入
图像与视频处理
2024-11-15 v1 计算机视觉与模式识别
机器学习
摘要
全切片成像（WSI）是数字病理学的基石，提供对诊断和研究至关重要的详细见解。然而，WSI 的千兆像素规模带来了巨大的计算挑战，限其实际效用。我们的新方法通过利用各种编码器进行智能数据缩减，并采用不同的分类模型以确保 WSI 的稳健、排列不变表示来应对这些挑战。我们方法的一个关键创新是将整个 WSI 的复杂信息提炼为单个向量，有效捕获准确分析所需的基本特征。该方法显著提高了 WSI 分析的计算效率，无需大量计算资源即可实现更准确的病理评估。这一突破使我们能够有效应对全切片成像中大图像分辨率带来的挑战，为 WSI 在医学诊断和研究中的更可扩展和有效利用铺平道路，标志着该领域的重大进展。
引用
@article{arxiv.2411.08936,
title = {Clustered Patch Embeddings for Permutation-Invariant Classification of Whole Slide Images},
author = {Ravi Kant Gupta and Shounak Das and Amit Sethi},
journal= {arXiv preprint arXiv:2411.08936},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2411.08530