基于扩散注意力专家模型的肺癌组织病理图像中STAS的预测与半自动定位
计算机视觉与模式识别
2026-05-19 v1 人工智能
摘要
准确的术中和术后诊断肺癌组织病理图像中的经鼻孔扩散（STAS）对于指导手术决策和术后管理至关重要。然而，组织病理评估工作量大，且容易漏诊或误诊。我们提出了一种扩散注意力专家模型（DAEM）用于检测冷冻切片（FSs）和包埋切片（PSs）中的STAS。其扩散注意力专家模块利用全注意力聚合，从组织病理图像中学习多尺度特征，而双分支架构则加强了多尺度特征表示。在内部数据集上，DAEM对FSs的AUC为0.8946，对PSs的AUC为0.9112。在来自八个机构的外部多中心数据集上的验证表明，其具有强大的可解释性和良好的推广能力。利用PSs中的肿瘤微环境（TME）特征，我们进一步实现了STAS位置及其与原发肿瘤距离的半自动测量。若干定量TME指标被识别为STAS（包括微泡型STAS）的潜在生物标志物。总体而言，DAEM提供了一套临床可操作的框架，实现对FSs和PSs中STAS的准确且可解释的检测，支持基于定量TME分析的术后风险分层。
引用
@article{arxiv.2605.16444,
title = {Diffusion Attention Expert Model for Predicting and Semi-automatic Localizing STAS in Lung Cancer Histopathological Images},
author = {Liangrui Pan and Jiadi Luo and Yuxuan Xiao and Chenchen Nie and Xiaoshuai Wu and Songqing Fan and Ling Chu and Manqiu Li and Rongfang He and Zhenyu Zhao and Ruixing Wang and Shulin Liu and Yiyi Liang and Xiang Wang and Qingchun Liang and Shaoliang Peng},
journal= {arXiv preprint arXiv:2605.16444},
year = {2026}
}
备注
Accepted by Nature Communications