面向Whole Slide图像的语义感知注意力指导诊断
计算机视觉与模式识别
2024-04-18 v1
摘要
准确的癌症诊断仍是数字病理学中的关键挑战，主要由于Whole Slide图像的巨像素尺寸和复杂的空间关系。传统的多实例学习（MIL）方法在处理这些复杂问题时往往难以保持准确诊断所必需的上下文。为此，我们提出一种新型框架，称为语义感知注意力指导（Semantics-Aware Attention Guidance, SAG），包括1)将诊断相关实体转换为注意力信号的技术，以及2)一种灵活的注意力损失，有效整合各种语义关键信息，如组织解剖结构和癌症病灶区域。我们在两个不同癌症数据集上的实验表明，在两种最新方法基线模型下，准确率、精确率和召回率均得到一致提高。定性分析进一步表明，融入启发式指导后，模型能够聚焦于诊断关键区域。SAG不仅对本文讨论的模型有效，其灵活性也适用于任何基于注意力的诊断模型。这为进一步提高癌症诊断的准确性和效率开辟了令人振奋的可能性。
关键词
引用
@article{arxiv.2404.10894,
title = {Semantics-Aware Attention Guidance for Diagnosing Whole Slide Images},
author = {Kechun Liu and Wenjun Wu and Joann G. Elmore and Linda G. Shapiro},
journal= {arXiv preprint arXiv:2404.10894},
year = {2024}
}