通过异常检测构建正常组织图谱以剪枝全切片图像分块
图像与视频处理
2023-10-06 v1 计算机视觉与模式识别
机器学习
摘要
对十亿像素级全切片图像（WSI）进行分块是计算病理学中的一项重要任务。已有一些方法被提出用于筛选部分图像块作为 WSI 表征以服务于下游任务。尽管大多数计算病理学任务旨在对每幅 WSI 中病理病变的存在进行分类或检测，但组织样本中正常组织学的混杂作用与冗余特性在 WSI 表征中通常被忽视。本文中，我们提出并验证了“正常组织图谱”这一概念，其仅使用来自正常组织活检的 WSI 样本构建。此类图谱可用于剔除组织样本中的正常片段，从而提升图像块采集的代表性。我们利用 107 张正常皮肤 WSI 建立正常图谱来测试所提方法，并展示了 Yottixel 等已有索引与搜索引擎可如何被改进。我们使用 553 张皮肤鳞状细胞癌（cSCC）WSI 来展现其优势，并在包含 451 张乳腺 WSI 的外部数据集上验证了该方法。在留一患者交叉验证中，两个数据集在保持相同索引与检索性能的同时，经所提正常图谱处理后所选 WSI 图像块数量减少了 30% 至 50%。我们表明，该正常图谱在无监督筛选异常/恶性 WSI 病变最具代表性图像块方面具有应用前景。
引用
@article{arxiv.2310.03106,
title = {Creating an Atlas of Normal Tissue for Pruning WSI Patching Through Anomaly Detection},
author = {Peyman Nejat and Areej Alsaafin and Ghazal Alabtah and Nneka Comfere and Aaron Mangold and Dennis Murphree and Patricija Zot and Saba Yasir and Joaquin J. Garcia and H. R. Tizhoosh},
journal= {arXiv preprint arXiv:2310.03106},
year = {2023}
}
备注
13 pages, 9 figures, 3 tables