结合动量对比学习与分组块嵌入从全切片图像进行患者级微卫星稳定性评估
计算机视觉与模式识别
2022-08-23 v1 人工智能
机器学习
定量方法
摘要
评估患者结直肠癌的微卫星稳定性状态对于个性化治疗方案至关重要。近来，为从苏木精-伊红染色的活检全切片图像（WSI）确定微卫星状态，提出了结合迁移学习的卷积神经网络（CNN）以规避传统实验室检测。然而，WSI 的高分辨率实际上阻碍了直接对整张 WSI 进行分类。当前方法通过先分类从 WSI 提取的小块，再聚合块级分类逻辑值以推断患者级状态，从而绕过 WSI 高分辨率。此类方法限制了捕获存在于高分辨率 WSI 数据中的重要信息的能力。我们引入一种有效方法，通过对块嵌入的动量对比学习，并在这些嵌入的分组上训练患者级分类器，来利用 WSI 高分辨率信息。与直接的块级分类与患者级聚合方法相比，我们的方法取得了最高 7.4% 更好的准确率，且具有更高稳定性（AUC， 对比 ，p 值 ）。我们的代码见 https://github.com/TechnionComputationalMRILab/colorectal_cancer_ai。
引用
@article{arxiv.2208.10429,
title = {Patient-level Microsatellite Stability Assessment from Whole Slide Images By Combining Momentum Contrast Learning and Group Patch Embeddings},
author = {Daniel Shats and Hadar Hezi and Guy Shani and Yosef E. Maruvka and Moti Freiman},
journal= {arXiv preprint arXiv:2208.10429},
year = {2022}
}
备注
To appear in the proceedings of the ECCV workshop on Medical Computer Vision (ECCV-MCV 2022). Link: https://mcv-workshop.github.io/