HACT-Net：用于组织病理学图像分类的层次化细胞到组织图神经网络
计算机视觉与模式识别
2020-07-02 v1
摘要
癌症的诊断、预后及治疗反应预测深受组织病理学结构与组织功能之间关系的影响。近期一些承认结构-功能关系的方法，通过细胞图将组织中细胞组织的结构与空间模式与肿瘤分级相联系。尽管细胞组织至关重要，但仅用它不足以完整表征组织病理学结构。我们提出了一种新颖的层次化细胞到组织图（HACT）表示，以改进组织的结构刻画。它包含一个低层细胞图（捕捉细胞形态与相互作用）、一个高层组织图（捕捉组织部件的形貌与空间分布），以及细胞到组织的层次结构（编码细胞相对于组织分布的相对空间分布）。此外，提出了一种层次化图神经网络（HACT-Net）以高效地将 HACT 表示映射到组织病理学乳腺癌亚型。我们在一组来自 H&E 染色的乳腺癌全切片的大量标注组织感兴趣区域上评估该方法。评估表明，所提方法在乳腺癌多类亚型分类上优于近期的卷积神经网络和图神经网络方法。这种基于实体的拓扑分析更符合组织的病理诊断流程，它对组织建模提供了更强的掌控，从而鼓励进一步将病理先验纳入任务特定的组织表示中。
引用
@article{arxiv.2007.00584,
title = {HACT-Net: A Hierarchical Cell-to-Tissue Graph Neural Network for Histopathological Image Classification},
author = {Pushpak Pati and Guillaume Jaume and Lauren Alisha Fernandes and Antonio Foncubierta and Florinda Feroce and Anna Maria Anniciello and Giosue Scognamiglio and Nadia Brancati and Daniel Riccio and Maurizio Do Bonito and Giuseppe De Pietro and Gerardo Botti and Orcun Goksel and Jean-Philippe Thiran and Maria Frucci and Maria Gabrani},
journal= {arXiv preprint arXiv:2007.00584},
year = {2020}
}