基于多尺度注意力的多示例学习用于多千兆像素组织学图像分类
计算机视觉与模式识别
2022-09-08 v1 人工智能
机器学习
摘要
具有多千兆像素分辨率的组织学图像为癌症诊断与预后提供了丰富信息。大多数情况下，由于像素级标注是劳动密集型任务，仅可获得切片级标签。本文提出一种用于组织学图像分类的深度学习流程。利用多示例学习，我们试图基于苏木精-伊红染色（H&E）组织学图像预测鼻咽癌（NPC）的潜伏膜蛋白 1（LMP1）状态。我们的聚合层采用了带残差连接的注意力机制。在 3 折交叉验证实验中，我们分别取得了平均准确率、AUC 和 F1 分数 0.936、0.995 和 0.862。该方法还可通过可视化注意力分数来考察模型可解释性。据我们所知，这是首次尝试利用深度学习预测 NPC 的 LMP1 状态。
引用
@article{arxiv.2209.03041,
title = {Multi-Scale Attention-based Multiple Instance Learning for Classification of Multi-Gigapixel Histology Images},
author = {Made Satria Wibawa and Kwok-Wai Lo and Lawrence Young and Nasir Rajpoot},
journal= {arXiv preprint arXiv:2209.03041},
year = {2022}
}