数据与知识协同驱动的多尺度组织病理切片癌症亚型分类
计算机视觉与模式识别
2023-04-20 v1
摘要
人工智能赋能的组织病理数据分析已成为病理医生的宝贵辅助手段。然而，现有模型在表征与推断能力上不如病理医生，尤其在癌症亚型诊断方面，在临床实践中缺乏说服力。例如，病理医生通常从全局到局部观察切片病灶，然后基于知识与经验给出诊断。本文提出一种数据与知识协同驱动（D&K）模型，以复现病理医生在组织病理切片上的癌症亚型分类过程。具体而言，在数据驱动模块中，利用集成学习中的装袋机制整合由嵌入表示单元提取的来自不同袋的组织学特征。此外，基于心理学中的格式塔原理建立知识驱动模块，构建三维（3D）专家知识空间并将组织学特征映射至该空间进行度量。随后，可根据它们之间的欧氏距离做出诊断。在公开与内部数据集上的大量实验结果表明，相较于最先进的（SOTA）组织病理亚型诊断方法，D&K模型具有高性能与可信结果。代码：https://github.com/Dennis-YB/Data-and-Knowledge-Co-driving-for-Cancer-Subtypes-Classification
引用
@article{arxiv.2304.09314,
title = {Data and Knowledge Co-driving for Cancer Subtype Classification on Multi-Scale Histopathological Slides},
author = {Bo Yu and Hechang Chen and Yunke Zhang and Lele Cong and Shuchao Pang and Hongren Zhou and Ziye Wang and Xianling Cong},
journal= {arXiv preprint arXiv:2304.09314},
year = {2023}
}