Topology-Guided Multi-Class Cell Context Generation for Digital Pathology

要約

タイトル：トポロジーに基づく多クラス細胞コンテキスト生成のデジタル病理学への応用

要約：
– デジタル病理学において、細胞の空間的コンテキストは細胞の分類、がんの診断、予後に重要。
– しかし、複雑な細胞コンテキストをモデル化することは困難であり、異なる混合物、系統、クラスター、穴が形成される。
– このような構造的パターンを学習可能な方法でモデル化するために、空間統計学とトポロジー的データ解析から数学的なツールを導入。
– これらの構造的な記述子をディープジェネレーティブモデルに条件付き入力として組み込み、微分可能な損失として使うことで、高品質のマルチクラス細胞レイアウトを生成することができる。
– データ拡張に使用できるトポロジー豊富な細胞レイアウトは、細胞の分類などの下流タスクの性能を向上させることができることを示す。

要約(オリジナル)

In digital pathology, the spatial context of cells is important for cell classification, cancer diagnosis and prognosis. To model such complex cell context, however, is challenging. Cells form different mixtures, lineages, clusters and holes. To model such structural patterns in a learnable fashion, we introduce several mathematical tools from spatial statistics and topological data analysis. We incorporate such structural descriptors into a deep generative model as both conditional inputs and a differentiable loss. This way, we are able to generate high quality multi-class cell layouts for the first time. We show that the topology-rich cell layouts can be used for data augmentation and improve the performance of downstream tasks such as cell classification.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI