Case-based Similar Image Retrieval for Weakly Annotated Large Histopathological Images of Malignant Lymphoma Using Deep Metric Learning

要約

本研究では、悪性リンパ腫のヘマトキシリンおよびエオシン (H&E) 染色された組織病理学的画像の新しい症例ベースの類似画像検索 (SIR) 法を提案します。
スライド全体の画像 (WSI) を入力クエリとして使用する場合、腫瘍細胞などの病理学的に重要な領域の画像パッチに焦点を当てることで、類似の症例を検索できることが望ましいです。
この問題に対処するために、注意ベースの複数インスタンス学習を採用しています。これにより、ケース間の類似性が計算されるときに腫瘍固有の領域に焦点を当てることができます。
さらに、対照的距離測定学習を採用して、免疫組織化学 (IHC) 染色パターンを、異種悪性リンパ腫症例間の適切な類似性を定義するための有用な教師あり情報として組み込みます。
249 名の悪性リンパ腫患者を対象とした実験では、提案された方法がベースラインのケースベースの SIR 方法よりも高い評価尺度を示すことを確認しました。
さらに、病理学者による主観的評価により、IHC染色パターンを使用した類似性測定は、悪性リンパ腫のH&E染色組織画像の類似性を表すのに適していることが明らかになりました。

要約(オリジナル)

In the present study, we propose a novel case-based similar image retrieval (SIR) method for hematoxylin and eosin (H&E)-stained histopathological images of malignant lymphoma. When a whole slide image (WSI) is used as an input query, it is desirable to be able to retrieve similar cases by focusing on image patches in pathologically important regions such as tumor cells. To address this problem, we employ attention-based multiple instance learning, which enables us to focus on tumor-specific regions when the similarity between cases is computed. Moreover, we employ contrastive distance metric learning to incorporate immunohistochemical (IHC) staining patterns as useful supervised information for defining appropriate similarity between heterogeneous malignant lymphoma cases. In the experiment with 249 malignant lymphoma patients, we confirmed that the proposed method exhibited higher evaluation measures than the baseline case-based SIR methods. Furthermore, the subjective evaluation by pathologists revealed that our similarity measure using IHC staining patterns is appropriate for representing the similarity of H&E-stained tissue images for malignant lymphoma.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google