MOAB：用于融合组织病理学图像与基因数据以进行脑肿瘤分级的多模态外积算术块
计算机视觉与模式识别
2024-03-12 v1 人工智能
摘要
脑肿瘤是脑细胞异常生长的结果。根据其生长情况，它们可以被分为不同的级别。分级通常基于组织学图像进行，是患者预后最重要的预测指标之一，级别越高，肿瘤的侵袭性越强。正确诊断肿瘤级别仍然具有挑战性。尽管组织病理学分级已被证明具有预后价值，但结果容易受到观察者间变异性的影响，即使在经验丰富的病理学家之间也是如此。最近，世界卫生组织报告称，分子遗传学的进步改善了肿瘤分类。本文旨在整合组织学图像和基因数据，以改进计算机辅助诊断。我们提出了一种基于算术运算的新型多模态外积算术块（MOAB），用于结合不同模态的潜在表示以预测肿瘤级别（Grade \rom{2}、\rom{3} 和 \rom{4}）。大量实验评估了我们方法的有效性。通过将 MOAB 应用于 The Cancer Genome Atlas (TCGA) 神经胶质瘤数据集，我们表明它可以改善相似类别（Grade \rom{2} 和 \rom{3}）之间的分离，并优于先前最先进的级别分类技术。
引用
@article{arxiv.2403.06349,
title = {MOAB: Multi-Modal Outer Arithmetic Block For Fusion Of Histopathological Images And Genetic Data For Brain Tumor Grading},
author = {Omnia Alwazzan and Abbas Khan and Ioannis Patras and Gregory Slabaugh},
journal= {arXiv preprint arXiv:2403.06349},
year = {2024}
}