多分辨率组织病理块图谱用于卵巢癌亚型分型

计算机视觉模型正在不断提升对卵巢上皮癌亚型的分类能力，但其处理方式与病理医生不同，仅在单一分辨率下处理小块组织切片。多分辨率图模型利用多个放大倍率下切片块的空间关系，学习每块切片的上下文。本研究目前完成了对卵巢癌亚型图模型最彻底的验证。对7个模型进行了调优和训练，使用来自434名 Leeds Teaching Hospitals NHS Trust 患者的1864个全切片图像(WSIs)进行五折交叉验证。交叉验证得到的模型被集成，并在100个来自30名患者的平衡保留测试集以及80个来自 Transcanadian 研究中80名患者的外部验证集上进行评估。表现最佳的模型即采用10x+20x放大倍率数据的图模型，在交叉验证、保留测试和外部验证中的平衡准确率分别为73%、88%和99%。然而，该模型仅在外部验证中超过了基于注意力机制的多实例学习，平衡准确率为93%。图模型在使用UNI基础模型提取特征而非ImageNet预训练的ResNet50时效果显著提升，后者对性能影响远大于改变后续分类方法。组合基础模型和多分辨率图网络的准确率为这些模型的临床应用提供了一步，虽然仍需进一步验证以确保模型的鲁棒性和可用性。