面向全切片图像的可靠多尺度分类框架
计算机视觉与模式识别
2022-07-13 v1
摘要
尽管已做出显著努力，十亿像素全切片图像（WSI）的分类仍严重受限于整张切片的计算资源约束，或对不同尺度知识的利用不足。此外，以往大多数尝试缺乏不确定性估计能力。通常，病理学家常从不同放大倍数联合分析 WSI。如果病理学家使用单一放大倍数不确定，则会反复更换放大倍数以发现组织的各种特征。受病理学家诊断过程启发，本文提出一种面向 WSI 的可靠多尺度分类框架。我们利用 Vision Transformer 作为多分支骨干，我们的框架可以联合进行分类建模、估计显微镜各放大倍数的不确定性，并融合来自不同放大倍数的证据。此外，为从 WSI 中挖掘判别性图块并降低计算资源需求，我们提出了一种使用注意力展开与非极大值抑制的新颖图块选择方案。为实证考察我们方法的有效性，在两个基准数据库上对我们的 WSI 分类任务进行了实证实验。所得结果表明，该可靠框架相比最先进方法可显著提升 WSI 分类性能。
引用
@article{arxiv.2207.05290,
title = {Trusted Multi-Scale Classification Framework for Whole Slide Image},
author = {Ming Feng and Kele Xu and Nanhui Wu and Weiquan Huang and Yan Bai and Changjian Wang and Huaimin Wang},
journal= {arXiv preprint arXiv:2207.05290},
year = {2022}
}