Comparing ImageNet Pre-training with Digital Pathology Foundation Models for Whole Slide Image-Based Survival Analysis

要約

Whole Slide Images (WSI) には豊富な情報が存在するため、生存分析には不可欠なツールとなります。
このタスクのために提案されたいくつかの複数インスタンス学習フレームワークは、自然画像で事前トレーニングされた ResNet50 バックボーンを利用します。
UNI や Hibou など、最近リリースされた組織病理学基盤モデルを活用することで、既存の MIL ネットワークの予測能力を強化できます。
さらに、デジタル病理学基盤モデルのアンサンブルを展開すると、より高いベースライン精度が得られますが、MIL アーキテクチャがより複雑になると利点が薄れるように見えます。
私たちのコードは承認され次第公開されます。

要約(オリジナル)

The abundance of information present in Whole Slide Images (WSIs) renders them an essential tool for survival analysis. Several Multiple Instance Learning frameworks proposed for this task utilize a ResNet50 backbone pre-trained on natural images. By leveraging recenetly released histopathological foundation models such as UNI and Hibou, the predictive prowess of existing MIL networks can be enhanced. Furthermore, deploying an ensemble of digital pathology foundation models yields higher baseline accuracy, although the benefits appear to diminish with more complex MIL architectures. Our code will be made publicly available upon acceptance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google