DSNet：一种用于弱监督十亿像素病理图像分析的双流框架
计算机视觉与模式识别
2022-03-10 v2
摘要
我们提出一种用于全切片图像（WSI）分类的新型弱监督框架。由于具有十亿像素分辨率，WSI 通常通过带 patch 级标签的 patch 级分类来处理。然而，patch 级标签需要精确标注，成本高昂且在临床数据上通常不可得。仅使用图像级标签时，由于 patch 外观与图像级标签之间的不一致，patch 级分类将是次优的。为解决此问题，我们假定 WSI 分析可通过整合高倍率（局部）与低倍率（区域）两个层面的信息来有效进行。我们将每个 patch 的视觉信号自动编码为表示局部信息的潜嵌入向量，并将原始 WSI 下采样为硬件可接受的缩略图以表示区域信息。随后，WSI 标签由双流网络（DSNet）预测，该网络以变换后的局部 patch 嵌入和多尺度缩略图图像为输入，且仅需图像级标签即可训练。在两个大规模公开数据集上的实验表明，我们的方法优于所有近期最先进的弱监督 WSI 分类方法。
引用
@article{arxiv.2109.05788,
title = {DSNet: A Dual-Stream Framework for Weakly-Supervised Gigapixel Pathology Image Analysis},
author = {Tiange Xiang and Yang Song and Chaoyi Zhang and Dongnan Liu and Mei Chen and Fan Zhang and Heng Huang and Lauren O'Donnell and Weidong Cai},
journal= {arXiv preprint arXiv:2109.05788},
year = {2022}
}
备注
IEEE TMI 2022