MHAttnSurv：基于全切片病理图像生存预测的多头注意力方法
图像与视频处理
2021-10-25 v1 计算机视觉与模式识别
定量方法
摘要
在病理学中，基于全切片图像（WSI）的生存预测已引起越来越多的关注。然而，鉴于WSI的大尺寸以及缺乏病理医生标注，从WSI中提取预后信息仍是一项挑战性任务。以往研究使用多示例学习方法来组合多个随机采样图块的信息，但不同的视觉模式对预后预测的贡献可能不同。在本研究中，我们提出了一种多头注意力方法，以聚焦于肿瘤切片的各个部分，从而从WSI中更全面地提取信息。我们在癌症基因组图谱数据库的四种癌症类型上评估了我们的方法。我们的模型取得了0.640的平均c-index，优于两种现有的基于WSI生存预测的SOTA方法，它们在这些数据集上的平均c-index分别为0.603和0.619。我们注意力图的可视化显示，每个注意力头协同聚焦于不同的形态学模式。
引用
@article{arxiv.2110.11558,
title = {MHAttnSurv: Multi-Head Attention for Survival Prediction Using Whole-Slide Pathology Images},
author = {Shuai Jiang and Arief A. Suriawinata and Saeed Hassanpour},
journal= {arXiv preprint arXiv:2110.11558},
year = {2021}
}