Maximum Mean Discrepancy Kernels for Predictive and Prognostic Modeling of Whole Slide Images

要約

2 つの画像はどの程度似ていますか?
患者からデジタルスキャンされた組織サンプルの全スライド画像 (WSI) のサイズが数ギガピクセルになる可能性がある計算病理学では、2 つの WSI 間の類似度の決定は、多くの実用的なアプリケーションで困難な作業です。
この作業では、WSI 間のペアワイズ類似性を決定するためのカーネル化された最大平均不一致 (MMD) 分析に基づく新しい戦略を探ります。
提案されたアプローチは、画像パッチの深い特徴に対してカーネルを使用して 2 つの WSI 間の MMD を計算することによって機能します。
これにより、WSI レベル クラスタリング用のカーネル マトリックスとして WSI のデータセット全体を表現し、日常的な WSI から乳癌患者の TP-53 変異状態を弱教師付き予測し、最先端の予測性能を備えた生存分析を行うことができます。
この研究により、計算病理学における予測および予後タスクに WSI レベルのカーネルを適用するためのさらなる道が開かれると考えています。

要約(オリジナル)

How similar are two images? In computational pathology, where Whole Slide Images (WSIs) of digitally scanned tissue samples from patients can be multi-gigapixels in size, determination of degree of similarity between two WSIs is a challenging task with a number of practical applications. In this work, we explore a novel strategy based on kernelized Maximum Mean Discrepancy (MMD) analysis for determination of pairwise similarity between WSIs. The proposed approach works by calculating MMD between two WSIs using kernels over deep features of image patches. This allows representation of an entire dataset of WSIs as a kernel matrix for WSI level clustering, weakly-supervised prediction of TP-53 mutation status in breast cancer patients from their routine WSIs as well as survival analysis with state of the art prediction performance. We believe that this work will open up further avenues for application of WSI-level kernels for predictive and prognostic tasks in computational pathology.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google