基于域知识驱动的图神经网络用于预测炎症肠病（IBD）中的溃疡
图像与视频处理
2025-04-15 v1 计算机视觉与模式识别
摘要
炎症性肠病（IBD）涉及消化道慢性炎症，其治疗选项常受副作用的负担。识别个体化治疗的生物标志物至关重要。虽然免疫细胞在IBD中发挥关键作用，但准确识别全切片图像（WSIs）中的溃疡区域对于表征这些细胞并探索潜在疗法至关重要。虽然多实例学习（MIL）方法已推进WSI分析，但缺乏空间上下文感知能力。本文提出了一种弱监督模型DomainGCN，采用图卷积神经网络（GCN）并纳入溃疡特征的领域特定知识，即肠上皮、淋巴细胞和碎屑，用于IBD中WSI级别的溃疡预测。我们展示了DomainGCN优于各种最先进（SOTA）MIL方法，并显示了领域知识的价值。
引用
@article{arxiv.2504.09430,
title = {Predicting ulcer in H&E images of inflammatory bowel disease using domain-knowledge-driven graph neural network},
author = {Ruiwen Ding and Lin Li and Rajath Soans and Tosha Shah and Radha Krishnan and Marc Alexander Sze and Sasha Lukyanov and Yash Deshpande and Antong Chen},
journal= {arXiv preprint arXiv:2504.09430},
year = {2025}
}
备注
Work accepted at ISBI 2025