面向不确定性感知和可解释性 whole-slide 图像生存预测的 Dual-Prototype Evidential Fusion
图像与视频处理
2025-10-02 v1 计算机视觉与模式识别
机器学习
摘要
病理全切片图像(WSI)因其在细胞和组织水平上提供的全面病理信息，广泛用于癌症生存分析，使其能够实现定量、大规模和富有生存预测价值的肿瘤特征分析。然而，现有大多数WSI生存分析方法在可解释性方面有限，常忽视异构切片图像中的预测不确定性。本文提出DPsurv，一种dual-prototype whole-slide image evidential fusion网络，输出面向不确定性的生存区间，并通过patch prototype assignment maps、component prototypes和component-wise relative risk聚合实现预测解释。在五个公开数据集上的实验实现了最高的平均concordance index和最低的平均integrated Brier score，验证了DPsurv的有效性和可靠性。预测结果的解释在特征、推理和决策层面提供了透明度，从而增强了DPsurv的可信度和可解释性。
引用
@article{arxiv.2510.00053,
title = {DPsurv: Dual-Prototype Evidential Fusion for Uncertainty-Aware and Interpretable Whole-Slide Image Survival Prediction},
author = {Yucheng Xing and Ling Huang and Jingying Ma and Ruping Hong and Jiangdong Qiu and Pei Liu and Kai He and Huazhu Fu and Mengling Feng},
journal= {arXiv preprint arXiv:2510.00053},
year = {2025}
}