Graph Neural Networks in Histopathology: Emerging Trends and Future Directions

要約

全スライド画像 (WSI) の組織病理学的分析では、深層学習手法、特に畳み込みニューラル ネットワーク (CNN) の利用が急増しています。
ただし、CNN は、WSI に固有の複雑な空間依存性を捉えるには不十分であることがよくあります。
グラフ ニューラル ネットワーク (GNN) は、ペアごとの相互作用を直接モデル化し、WSI 内のトポロジカルな組織と細胞構造を効果的に識別することに優れた、有望な代替手段を提供します。
WSI のトポロジー構造を利用する深層学習技術の緊急の必要性が認識され、組織病理学における GNN の応用は急速に成長しています。
この包括的なレビューでは、組織病理学における GNN を調査し、その応用について議論し、この分野の将来の進歩への道を開く新たなトレンドを探ります。
私たちは、GNN の基礎と組織病理学におけるその潜在的な応用を解明することから始めます。
定量的な文献分析を活用して、階層型 GNN、適応グラフ構造学習、マルチモーダル GNN、および高次 GNN という 4 つの新たな傾向を特定します。
これらの傾向を徹底的に調査することで、組織病理学的分析における GNN の進化する状況についての洞察を提供します。
私たちの調査結果に基づいて、この分野を前進させるための将来の方向性を提案します。
私たちの分析は、研究者や実践者を革新的なアプローチと方法論に導き、グラフ ニューラル ネットワークのレンズを通して組織病理学的分析の進歩を促進するのに役立ちます。

要約(オリジナル)

Histopathological analysis of Whole Slide Images (WSIs) has seen a surge in the utilization of deep learning methods, particularly Convolutional Neural Networks (CNNs). However, CNNs often fall short in capturing the intricate spatial dependencies inherent in WSIs. Graph Neural Networks (GNNs) present a promising alternative, adept at directly modeling pairwise interactions and effectively discerning the topological tissue and cellular structures within WSIs. Recognizing the pressing need for deep learning techniques that harness the topological structure of WSIs, the application of GNNs in histopathology has experienced rapid growth. In this comprehensive review, we survey GNNs in histopathology, discuss their applications, and explore emerging trends that pave the way for future advancements in the field. We begin by elucidating the fundamentals of GNNs and their potential applications in histopathology. Leveraging quantitative literature analysis, we identify four emerging trends: Hierarchical GNNs, Adaptive Graph Structure Learning, Multimodal GNNs, and Higher-order GNNs. Through an in-depth exploration of these trends, we offer insights into the evolving landscape of GNNs in histopathological analysis. Based on our findings, we propose future directions to propel the field forward. Our analysis serves to guide researchers and practitioners towards innovative approaches and methodologies, fostering advancements in histopathological analysis through the lens of graph neural networks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google