基于Patch级图聚类和混合密度专家的全切片组织学图像生存模型
计算机视觉与模式识别
2025-11-20 v6
摘要
我们提出了一个模块化框架，用于直接从全切片病理图像（WSIs）预测癌症特定生存率。该框架由四个关键阶段组成，以捕获预后和形态异质性。第一，Quantile Based Patch Filtering 模块通过分位数阈值筛选预后信息组织区域。第二，Graph Regularized Patch Clustering 使用 k 近邻图建模表型水平的变异，通过空间和形态一致性实现。第三，Hierarchical Feature Aggregation 学习 intra 和 inter 簇之间的依赖，以表示多尺度肿瘤组织。第四，Expert Guided Mixture Density Model 通过高斯混合模型估计复杂生存分布，实现精细的风险预测。在 TCGA LUAD、TCGA KIRC 和 TCGA BRCA 队列上评估，我们的模型分别实现了 0.653、0.719 和 0.733 的 concordance 指数，在从 WSIs 进行生存预测方面超越了现有的最先进方法。
引用
@article{arxiv.2507.16476,
title = {Survival Modeling from Whole Slide Images via Patch-Level Graph Clustering and Mixture Density Experts},
author = {Ardhendu Sekhar and Vasu Soni and Keshav Aske and Garima Jain and Pranav Jeevan and Amit Sethi},
journal= {arXiv preprint arXiv:2507.16476},
year = {2025}
}