图神经网络在组织病理学中的应用：新兴趋势与未来方向
计算机视觉与模式识别
2024-06-24 v3 人工智能
机器学习
组织与器官
摘要
组织病理学中对全切片图像（Whole Slide Images, WSI）的分析，近年来深度学习方法的应用呈现出显著增长，尤其是卷积神经网络（CNNs）。然而，CNNs在捕捉WSI中所蕴含的复杂空间依赖关系方面常常不足。图神经网络（GNNs）作为一种有前景的替代方案，能够直接建模成对之间的相互作用，并有效地辨别WSI中拓扑组织和细胞结构。鉴于迫切需要利用WSI的拓扑结构来指导深度学习技术的应用，组织病理学中GNNs的应用正经历快速增长。在本综合综述中，我们调查了组织病理学中GNNs的应用，讨论了其应用场景，并探讨了为未来领域发展所蕴含的新兴趋势。我们首先阐明GNNs的基本概念及其在组织病理学中的潜在应用。依据定量文献分析，我们识别出四个新兴趋势：层次化GNNs、自适应图结构学习、多模态GNNs以及高阶GNNs。通过对这些趋势的深入探索，我们提供了对GNNs在组织病理学分析中演变图景的见解。基于我们的发现，我们提出了推动该领域发展的未来方向。我们的分析旨在引导研究人员和实践者采取创新的方法和方法论，促进通过图神经网络视角对组织病理学分析的进步。
引用
@article{arxiv.2406.12808,
title = {Graph Neural Networks in Histopathology: Emerging Trends and Future Directions},
author = {Siemen Brussee and Giorgio Buzzanca and Anne M. R. Schrader and Jesper Kers},
journal= {arXiv preprint arXiv:2406.12808},
year = {2024}
}