幾何学的マルチインスタンス学習による胃がんの弱教師ありセグメンテーション

科学分野:

• 計算病理学
• デジタル病理学
• 医用画像解析

背景:

• 全スライド画像（WSI）におけるがん領域の弱教師ありセグメンテーションは不可欠ですが、高価なピクセルレベルの注釈によって妨げられています。
• 既存のマルチインスタンス学習（MIL）フレームワークは、しばしば重要な組織トポロジーを無視し、不正確なセグメンテーションマスクにつながります。

研究 の 目的:

• 正確な弱教師ありWSIセグメンテーションのための新しいグラフベースフレームワークである幾何学的マルチインスタンス学習（Geo-MIL）を導入すること。
• 空間的関係と組織構造を明示的にモデル化することにより、既存のMIL手法の限界に対処すること。

主な方法:

• WSI内の組織パッチ間の空間的関係をモデル化するグラフベースフレームワーク（Geo-MIL）を開発しました。
• 診断的に関連のある組織構造を優先するために、WSIグラフ上で動作するトポロジカルアテンションメカニズムを導入しました。
• 3つの公開胃がんデータセットで手法を評価しました。

主要な成果:

• Geo-MILは、セグメンテーション精度において最先端のベースラインを大幅に上回りました。
• WSI解析におけるセグメンテーションと分類の両方のパフォーマンスで新たなベンチマークを達成しました。
• 診断予測の改善のために、組織トポロジーをモデル化することの有効性を示しました。

結論:

• Geo-MILは、弱いスライドレベルのラベルと正確なピクセルレベルの予測との間のギャップを埋める上で大きな進歩を表します。
• 提案されたトポロジカルアテンションメカニズムは、診断的に関連のある組織構造の同定を強化します。
• この研究は、計算病理学におけるスケーラブルで正確な定量的分析への道を開きます。