PathoHR：基于高分辨率病理图像的乳腺癌生存预测
图像与视频处理
2025-03-25 v1 计算机视觉与模式识别
摘要
计算病理学中的乳腺癌生存预测 presents 由于肿瘤异质性，面临重大挑战。例如，同一肿瘤在病理图像中不同区域可能呈现不同的形态学和分子特征。这使得从whole slide images（WSIs）中提取能真正反映肿瘤侵袭潜力和预期生存结果的代表性特征变得困难。本文提出PathoHR，一套新型乳腺癌生存预测管道，通过增强任意大小的病理图像来实现更有效的特征学习。我们的方案包括：（1）集成可插拔式高分辨率Vision Transformer（ViT）以增强WSI局部表征，实现更细致、全面的特征提取；（2）系统评估多种先进相似性度量标准用于比较WSI提取的特征，优化表征学习过程以更好地捕获肿瘤特征；（3）演示，虽然图像块增强后遵循该管道，却可实现与原始更大图像块相当或更好的预测精度，同时显著降低计算开销。实验发现，PathoHR为将增强图像分辨率与优化特征学习集成到计算病理学中提供了潜在方案，为实现更精确、更高效的乳腺癌生存预测指明了有前景的方向。代码将在 https://github.com/AIGeeksGroup/PathoHR 公开。
引用
@article{arxiv.2503.17970,
title = {PathoHR: Breast Cancer Survival Prediction on High-Resolution Pathological Images},
author = {Yang Luo and Shiru Wang and Jun Liu and Jiaxuan Xiao and Rundong Xue and Zeyu Zhang and Hao Zhang and Yu Lu and Yang Zhao and Yutong Xie},
journal= {arXiv preprint arXiv:2503.17970},
year = {2025}
}