用于全切片图像中上下文感知前列腺癌分级的分层视觉 Transformer
计算机视觉与模式识别
2023-12-21 v1 人工智能
摘要
视觉 Transformer (ViT) 开启了计算机视觉的新纪元，在许多具有挑战性的任务中展示了无与伦比的性能。然而，由于全切片图像 (WSI) 的巨大尺寸导致输入序列过长，其在计算病理学中的实际部署受到很大限制。Transformer 在应用于长文档时也面临类似的限制，而分层 Transformer 的引入正是为了规避这一问题。鉴于 WSI 面临的类似挑战及其固有的分层结构，分层视觉 Transformer (H-ViT) 成为计算病理学中一个有前景的解决方案。这项工作深入探讨了 H-ViT 的能力，评估了其在 WSI 前列腺癌分级中的效率。我们的结果表明，它们取得了与现有最先进解决方案相媲美的性能。
引用
@article{arxiv.2312.12619,
title = {Hierarchical Vision Transformers for Context-Aware Prostate Cancer Grading in Whole Slide Images},
author = {Clément Grisi and Geert Litjens and Jeroen van der Laak},
journal= {arXiv preprint arXiv:2312.12619},
year = {2023}
}
备注
Accepted at Medical Imaging meets NeurIPS 2023 workshop