排序三元组：基于排序的多示例学习框架利用常规 H&E 图像检测头颈癌 HPV 感染
计算机视觉与模式识别
2022-06-17 v1 机器学习
摘要
头颈鳞状细胞癌（HNSCC）的病因涉及多种致癌物，如酒精、烟草以及人乳头瘤病毒（HPV）感染。由于 HPV 感染影响 HNSCC 患者的预后、治疗与生存，确定这些肿瘤的 HPV 状态十分重要。本文中，我们提出一种新颖的三元组排序损失函数及一个用于 HPV 状态预测的多示例学习流程。这在两个 HNSCC 队列上仅使用常规 H&E 染色的 WSI 实现了 HPV 检测的新的 SOTA 性能。此外，进行了全面的肿瘤微环境分析，从基因组、免疫与细胞角度刻画了 HPV+/- HNSCC 之间的独特模式。所提评分与不同亚型 T 细胞（如滤泡辅助 T 细胞、CD8+ T 细胞）的正相关，以及与巨噬细胞和结缔组织细胞（如成纤维细胞）的负相关被识别出来，这与临床发现一致。还识别了相对于 HPV 感染状态的独特基因表达谱，且与现有发现一致。
引用
@article{arxiv.2206.08275,
title = {Rank the triplets: A ranking-based multiple instance learning framework for detecting HPV infection in head and neck cancers using routine H&E images},
author = {Ruoyu Wang and Syed Ali Khurram and Amina Asif and Lawrence Young and Nasir Rajpoot},
journal= {arXiv preprint arXiv:2206.08275},
year = {2022}
}