MesoGraph：基于组织学图像自动刻画恶性间皮瘤亚型
计算机视觉与模式识别
2023-02-27 v1 机器学习
摘要
恶性间皮瘤根据上皮样与肉瘤样肿瘤细胞的相对比例分为三种组织学亚型：上皮样型、肉瘤样型与双相型。双相型肿瘤同时呈现显著的两种细胞群体。该亚型划分具有主观性，受限于当前诊断指南，即便在资深胸部病理学家之间，使用三类系统刻画上皮样与肉瘤样成分相对比例的连续谱时也可能存在差异。本工作中，我们开发了一种带排序损失的新型双任务图神经网络（GNN）架构，以学习能够对组织区域直至细胞分辨率进行评分的模型。这使得可根据样本中所有细胞的聚合肉瘤样关联评分对肿瘤样本进行定量刻画。所提方法仅使用核心级标签，并将预测任务构建为双多重实例学习（MIL）问题。组织由兼具细胞级形态与区域特征的细胞图表示。我们使用来自Mesobank的外部多中心测试集，展示了模型的预测性能。我们通过按预测评分分析细胞的典型形态学特征来验证模型预测，发现模型识别的某些形态差异与病理学家所用的已知差异相符。我们进一步表明模型评分可预测患者生存，风险比为2.30。所提方法的代码与数据集见于：https://github.com/measty/MesoGraph。
引用
@article{arxiv.2302.12653,
title = {MesoGraph: Automatic Profiling of Malignant Mesothelioma Subtypes from Histological Images},
author = {Mark Eastwood and Heba Sailem and Silviu Tudor and Xiaohong Gao and Judith Offman and Emmanouil Karteris and Angeles Montero Fernandez and Danny Jonigk and William Cookson and Miriam Moffatt and Sanjay Popat and Fayyaz Minhas and Jan Lukas Robertus},
journal= {arXiv preprint arXiv:2302.12653},
year = {2023}
}