基于特征交互式双图编码器的图像分析用于肺癌组织学图像中的 STAS 预测
图像与视频处理
2024-11-26 v1 人工智能
计算机视觉与模式识别
摘要
通过空洞扩散（STAS）是肺癌中一种独特的侵袭模式，对预后评估和指导手术决策至关重要。组织学学是 STAS 检测的金标准，但传统方法主观、耗时且易出错，限制了大规模应用。我们提出了 VERN，一款利用特征交互式双图编码器进行图像分析的模型，用于从肺癌组织学图像预测 STAS。VERN 利用特征共享和跳跃连接捕获空间拓扑特征以增强模型训练。我们使用 1,546 张组织学切片构建了大型单cohort STAS 肺癌数据集。VERN 在内部验证中实现了 0.9215 的 AUC，在冷冻和石蜡包埋测试切片中分别达到 0.8275 和 0.8829 的 AUC，显示出临床水平的性能。经验证，该模型在单cohort 及三个外部数据集上表现稳健，具有良好的可推广性。我们提供了开放平台（http://plr.20210706.xyz:5000/）以提高 STAS 诊断的效率和准确性。
引用
@article{arxiv.2411.15274,
title = {Feature-interactive Siamese graph encoder-based image analysis to predict STAS from histopathology images in lung cancer},
author = {Liangrui Pan and Qingchun Liang and Wenwu Zeng and Yijun Peng and Zhenyu Zhao and Yiyi Liang and Jiadi Luo and Xiang Wang and Shaoliang Peng},
journal= {arXiv preprint arXiv:2411.15274},
year = {2024}
}
备注
accept for publication in npj Precision Oncology