基于双分支编码器和两级对齐的图域自适应全切片图像生存预测

近年来，基于组织病理学全切片图像（WSI）的生存分析在医学图像分析中备受关注。在实践中，WSI通常来自不同的医院或实验室，可视为不同领域，因此在成像设备、处理流程和样本来源上可能存在显著差异。这些差异通常导致不同WSI领域之间存在较大的分布差异，因此在一个领域上训练的生存分析模型可能无法迁移到另一个领域。为了解决这个问题，我们提出了一种双分支编码器和两级对齐（DETA）框架，以探索不同WSI领域之间的特征级和类别级对齐。具体来说，我们首先利用WSI的图表示将所关注的问题形式化为图域自适应（GDA）。然后，我们构建了一个双分支图编码器，包括消息传递分支和最短路径分支，以显式和隐式地从图表示的WSI中提取语义信息。为了实现GDA，我们提出了一种两级对齐方法：在类别级别，我们利用双分支结构开发了一种耦合技术，从而减少了两个领域类别分布之间的差异；在特征级别，我们引入了一种对抗扰动策略，以更好地增强源域特征，从而改善特征分布的对齐。据我们所知，我们的工作是首次尝试缓解WSI数据分析中的领域偏移问题。在四个TCGA数据集上的大量实验验证了我们提出的DETA框架的有效性，并展示了其在基于WSI的生存分析中的优越性能。