一次观察一组：用于生存预测的多切片建模
计算机视觉与模式识别
2024-11-26 v2
摘要
生存预测是病理学中的一项关键任务。在临床实践中，病理学家通常会检查多个病例，利用更广泛的癌症表型谱来增强病理评估。尽管深度学习取得了重大进展，但当前的解决方案通常将每张切片建模为一个样本，难以有效捕获可比较的且与切片无关的病理特征。在本文中，我们引入了 GroupMIL，这是一个受集体分析临床实践启发的新框架，该框架将多张切片建模为单个样本，并按顺序组织切片块和切片组，以捕获跨切片的预后特征。我们还提出了 GPAMamba，该模型旨在促进切片内和切片间的特征交互，在切片级图中有效捕获局部微环境特征，同时在组框架内揭示扩展切片块序列中的关键预后模式。此外，我们开发了一个双头预测器，为每位患者提供全面的生存风险和概率评估。大量的实验评估表明，我们的模型在来自 The Cancer Genome Atlas 的五个数据集上显著优于 SOTA 方法。
引用
@article{arxiv.2411.11487,
title = {Look a Group at Once: Multi-Slide Modeling for Survival Prediction},
author = {Xinyang Li and Yi Zhang and Yi Xie and Jianfei Yang and Xi Wang and Hao Chen and Haixian Zhang},
journal= {arXiv preprint arXiv:2411.11487},
year = {2024}
}