Clinically Relevant Latent Space Embedding of Cancer Histopathology Slides through Variational Autoencoder Based Image Compression

要約

この論文では、以前に報告された最新技術 (SOTA) よりも優れた 1:512 の圧縮率で癌病理スライドを圧縮および解凍できる変分オートエンコーダ (VAE) ベースのトレーニング アプローチを紹介します。
臨床検証タスクの精度を維持しながら。
圧縮アプローチは、CIFAR10 などのより一般的なコンピューター ビジョン データセットでテストされ、一般的な画像ではなく癌画像データでこの圧縮率を可能にする画像特性を調べます。
圧縮された潜在空間から埋め込みを生成して視覚化し、それらがデータの臨床的解釈にどのように役立つか、および将来的にそのような潜在埋め込みを使用して臨床画像データの検索を加速する方法を示します。

要約(オリジナル)

In this paper, we introduce a Variational Autoencoder (VAE) based training approach that can compress and decompress cancer pathology slides at a compression ratio of 1:512, which is better than the previously reported state of the art (SOTA) in the literature, while still maintaining accuracy in clinical validation tasks. The compression approach was tested on more common computer vision datasets such as CIFAR10, and we explore which image characteristics enable this compression ratio on cancer imaging data but not generic images. We generate and visualize embeddings from the compressed latent space and demonstrate how they are useful for clinical interpretation of data, and how in the future such latent embeddings can be used to accelerate search of clinical imaging data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google