动态超图表示用于骨转移癌分析
计算机视觉与模式识别
2025-01-29 v1
摘要
骨转移分析是病理学中的重要挑战，对于确定患者生活质量和治疗策略具有关键作用。微环境和特定组织结构是病理学家预测原发骨癌来源及原发骨癌亚型的关键因素。通过将骨组织切片数字化为全切片图像（WSI），并利用深度学习建模切片嵌入，可增强该分析效果。然而，肿瘤转移涉及复杂的多变量相互作用和多样化的骨组织结构，传统WSI分析方法如多实例学习（MIL）难以捕捉。此外，图神经网络（GNN）受限于仅能建模二元关系，难以表征高阶生物学关联。为解决这些挑战，我们提出了一种动态超图神经网络（DyHG），通过超边连接多个节点，克服了传统图表示在边构建上的限制。采用低秩策略以降低学习超图结构参数的复杂度，同时采用Gumbel-Softmax基于采样策略优化超边内切片分布。随后使用MIL聚合器，用于全面WSI分析推导出图级嵌入。为评估DyHG的有效性，我们基于真实世界的骨转移场景构建了两个大规模数据集，用于原发骨癌来源和亚型分类。大量实验表明，DyHG显著优于当前最先进（SOTA）基线，展示了其建模复杂生物学相互作用并提升骨转移分析准确性的能力。
引用
@article{arxiv.2501.16787,
title = {Dynamic Hypergraph Representation for Bone Metastasis Cancer Analysis},
author = {Yuxuan Chen and Jiawen Li and Huijuan Shi and Yang Xu and Tian Guan and Lianghui Zhu and Yonghong He and Anjia Han},
journal= {arXiv preprint arXiv:2501.16787},
year = {2025}
}
备注
12 pages,11 figures