SlideGraph+：用于预测乳腺癌 HER2 状态的全切片图像级图模型
计算机视觉与模式识别
2021-10-13 v1 机器学习
摘要
人表皮生长因子受体 2（HER2）是一个重要的预后与预测因子，在 15-20% 的乳腺癌（BCa）中过表达。其状态的判定是选择治疗方案与预后评估的关键临床决策步骤。HER2 状态通过转录组学或免疫组化（IHC）结合原位杂交（ISH）评估，这除需额外成本与组织消耗外，还因评分中人工观测偏倚而存在分析变异性。在本研究中，我们提出一种基于图神经网络（GNN）的新模型（称为 SlideGraph+），直接从常规苏木精-伊红（H&E）染色的全切片图像预测 HER2 状态。该网络在来自癌症基因组图谱（TCGA）的切片及两个独立测试数据集上进行了训练与测试。我们证明所提模型优于最先进的方法，在 TCGA 上 ROC 曲线下面积（AUC）值 > 0.75，在独立测试集上达 0.8。我们的实验表明，所提方法可用于诊断场景中的病例分诊以及诊断检测预排序。它也可用于计算病理中的其他弱监督预测问题。SlideGraph+ 代码见 https://github.com/wenqi006/SlideGraph。
引用
@article{arxiv.2110.06042,
title = {SlideGraph+: Whole Slide Image Level Graphs to Predict HER2Status in Breast Cancer},
author = {Wenqi Lu and Michael Toss and Emad Rakha and Nasir Rajpoot and Fayyaz Minhas},
journal= {arXiv preprint arXiv:2110.06042},
year = {2021}
}
备注
20 pages, 11 figures, 3 tables