Multi-Scale Attention-based Multiple Instance Learning for Classification of Multi-Gigapixel Histology Images

要約

数ギガピクセルの解像度を持つ組織画像は、がんの診断や予後判定に必要な情報を豊富に含んでいます。ピクセル単位のアノテーションは手間のかかる作業であるため、ほとんどの場合、スライドレベルのラベルしか利用できない。本論文では、組織画像における分類のための深層学習パイプラインを提案する。複数インスタンス学習を用い、ヘマトキシリン・エオジン染色（H&E）組織画像に基づく鼻咽頭癌（NPC）の潜伏膜タンパク質1（LMP1）の状態を予測することを試みる。本研究では、アグリゲーションレイヤーに残差接続を用いた注意メカニズムを利用した。3重クロスバリデーション実験では、平均精度、AUC、F1スコアはそれぞれ0.936、0.995、0.862を達成した。また、この手法では、注目スコアを可視化することで、モデルの解釈可能性を調べることができる。我々の知る限り、ディープラーニングを用いてNPC上のLMP1状態を予測する試みは、これが初めてです。

要約(オリジナル)

Histology images with multi-gigapixel of resolution yield rich information for cancer diagnosis and prognosis. Most of the time, only slide-level label is available because pixel-wise annotation is labour intensive task. In this paper, we propose a deep learning pipeline for classification in histology images. Using multiple instance learning, we attempt to predict the latent membrane protein 1 (LMP1) status of nasopharyngeal carcinoma (NPC) based on haematoxylin and eosin-stain (H&E) histology images. We utilised attention mechanism with residual connection for our aggregation layers. In our 3-fold cross-validation experiment, we achieved average accuracy, AUC and F1-score 0.936, 0.995 and 0.862, respectively. This method also allows us to examine the model interpretability by visualising attention scores. To the best of our knowledge, this is the first attempt to predict LMP1 status on NPC using deep learning.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL