用于全切片外阴阴道念珠菌病筛查的渐进式注意力引导方法
图像与视频处理
2023-09-07 v1 计算机视觉与模式识别
摘要
外阴阴道念珠菌病（VVC）是最常见的人类念珠菌感染，估计约75%的女性在一生中至少罹患一次。它会导致包括瘙痒、阴道酸痛等若干症状。由于疾病防控的巨大负担，全切片图像（WSI）自动分类需求迫切。然而，由于标注数据稀缺以及念珠菌的独特属性，基于WSI的计算机辅助VVC筛查方法仍属空白。WSI中的念珠菌因其独特的细长形状、空间分布占比较小以及与WSI之间的风格差异，难以被常规分类模型捕捉。为使模型更易聚焦于念珠菌，我们提出一种注意力引导方法，可获得鲁棒的诊断分类模型。具体而言，我们首先使用预训练检测模型作为先验指导来初始化分类模型。随后设计跳跃自注意力（Skip Self-Attention）模块，以将注意力细化至念珠菌的细粒度特征。最后，采用对比学习方法缓解由WSI风格差异引起的过拟合，并抑制对假阳性区域的注意力。实验结果表明，我们的框架取得了最先进的性能。代码与示例数据见 https://github.com/cjdbehumble/MICCAI2023-VVC-Screening。
引用
@article{arxiv.2309.02670,
title = {Progressive Attention Guidance for Whole Slide Vulvovaginal Candidiasis Screening},
author = {Jiangdong Cai and Honglin Xiong and Maosong Cao and Luyan Liu and Lichi Zhang and Qian Wang},
journal= {arXiv preprint arXiv:2309.02670},
year = {2023}
}
备注
Accepted in the main conference MICCAI 2023