淋巴样肿瘤空间架构的分层表型分析与图建模
定量方法
2021-09-21 v2 计算机视觉与模式识别
机器学习
图像与视频处理
摘要
肿瘤微环境（TME）中的细胞及其空间模式在肿瘤演进中起着关键作用，但后者在计算病理学仍是一个研究不足的主题。据我们所知，本研究是最早将局部与全局图方法相混合以刻画细胞组分编排与交互的工作之一。为应对血液淋巴系癌症中 TME 细胞类别可能不清的挑战，我们首先实现细胞级无监督学习并识别出两种新细胞亚型。通过考虑单个细胞的地理空间位置与类别，为每幅图像构建局部细胞图或超细胞。然后，我们应用超细胞级聚类并识别出两种新细胞群落。最后，我们构建全局图以抽象空间交互模式并提取特征用于疾病诊断。我们在 60 例血液淋巴系肿瘤的 H&E 切片上评估所提算法，并进一步与三种细胞级基于图的算法进行比较，包括全局细胞图、聚类细胞图和 FLocK。所提算法在重复 5 折交叉验证方案下取得 0.703 的平均诊断准确率。总之，我们的算法表现出优于现有方法的性能，并有可能应用于其他癌症类型。
引用
@article{arxiv.2106.16174,
title = {Hierarchical Phenotyping and Graph Modeling of Spatial Architecture in Lymphoid Neoplasms},
author = {Pingjun Chen and Muhammad Aminu and Siba El Hussein and Joseph D. Khoury and Jia Wu},
journal= {arXiv preprint arXiv:2106.16174},
year = {2021}
}
备注
Accepted by MICCAI2021