基于图卷积网络的组织病理全切片图像编码以实现可扩展高效的相关诊断区域检索
计算机视觉与模式识别
2021-04-19 v1 信息检索
摘要
基于内容的组织病理图像检索（CBHIR）近年来在组织病理图像分析领域日益流行。CBHIR 系统通过从预建数据库中搜索并返回与感兴趣区域（ROI）内容相似的区域，为病理医生提供辅助诊断信息。然而，从由组织病理全切片图像（WSIs）构成的数据库中为查询 ROI 检索相关诊断区域，在临床应用中既具挑战又意义重大。本文提出一种基于层次图卷积网络（GCNs）与哈希（Hash）技术的 WSI 数据库区域检索新框架。相较于现有 CBHIR 框架，GCNs 的图嵌入保留了 WSI 的结构信息，使检索框架对组织分布相似的区域更敏感。此外，得益于层次化 GCN 结构，该框架对 ROI 的尺寸与形状变化均具良好可扩展性，允许病理医生依据组织外观以自由曲线定义查询区域。第三，检索基于哈希技术实现，确保框架高效，从而适用于实际大规模 WSI 数据库。所提方法在两个公开组织病理 WSI 分析数据集上验证，并与 SOTA 方法比较。在不规则区域检索任务中，该方法在 ACDC-LungHP 数据集上平均精度均值超 0.857，在 Camelyon16 数据集上超 0.864，优于 SOTA 方法。从含 120 张 WSI 的数据库平均检索时间为 0.802 ms。
引用
@article{arxiv.2104.07878,
title = {Histopathology WSI Encoding based on GCNs for Scalable and Efficient Retrieval of Diagnostically Relevant Regions},
author = {Yushan Zheng and Zhiguo Jiang and Haopeng Zhang and Fengying Xie and Jun Shi and Chenghai Xue},
journal= {arXiv preprint arXiv:2104.07878},
year = {2021}
}