SEW: Self-calibration Enhanced Whole Slide Pathology Image Analysis

要約

病理学の画像は、がんの診断と治療のための「ゴールドスタンダード」と見なされており、ギガピクセルの画像は広範な組織と細胞情報を提供します。
既存の方法は、包括的な病理学的画像分析のためのグローバルな構造的および局所的な詳細機能を同時に抽出することができません。
これらの制限に対処するために、グローバルブランチ、フォーカス予測因子、および詳細なブランチの3つのコンポーネントで構成されるスライド病理学の画像分析全体のセルフキャリブレーション強化フレームワークを提案します。
グローバルブランチは、最初は病理学的なサムネイルを使用して分類されますが、フォーカス予測子は、グローバルブランチの最後の層の特徴に基づいて分類に関連する領域を識別します。
詳細な抽出分岐は、拡大領域が病変領域に対応するかどうかを評価します。
最後に、グローバルブランチとディテールブランチ間の特徴の一貫性の制約により、グローバルブランチが適切な領域に焦点を合わせ、最終識別のために十分な識別機能を抽出することが保証されます。
これらの焦点を絞った識別機能は、特徴クラスターの一意性と組織の空間分布の観点からの新規予後腫瘍マーカーを明らかにするために非常に貴重であることが証明されています。
広範な実験結果は、提案されたフレームワークが病理学的採点および予後タスクの正確で説明可能な結果を​​迅速に提供できることを示しています。

要約(オリジナル)

Pathology images are considered the “gold standard’ for cancer diagnosis and treatment, with gigapixel images providing extensive tissue and cellular information. Existing methods fail to simultaneously extract global structural and local detail features for comprehensive pathology image analysis efficiently. To address these limitations, we propose a self-calibration enhanced framework for whole slide pathology image analysis, comprising three components: a global branch, a focus predictor, and a detailed branch. The global branch initially classifies using the pathological thumbnail, while the focus predictor identifies relevant regions for classification based on the last layer features of the global branch. The detailed extraction branch then assesses whether the magnified regions correspond to the lesion area. Finally, a feature consistency constraint between the global and detail branches ensures that the global branch focuses on the appropriate region and extracts sufficient discriminative features for final identification. These focused discriminative features prove invaluable for uncovering novel prognostic tumor markers from the perspective of feature cluster uniqueness and tissue spatial distribution. Extensive experiment results demonstrate that the proposed framework can rapidly deliver accurate and explainable results for pathological grading and prognosis tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google