マルチスケールの階層的な注意ネットワークは,顕微鏡のハイパースペクトルイメージングでステンフリー乳がん検出のためのものです

科学分野:

• コンピューティング病理学と医学画像分析.
• 生物医学アプリケーションのためのディープラーニングアルゴリズムの開発.

背景:

• 顕微鏡超スペクトルイメージング (MHSI) は,ラベルフリーな病理学を提供するが,弱いコントラストと高スペクトルデータ次元性の課題に直面している.
• 既存のパッチによる分類方法は,微妙なスペクトルシグネチャー,空間的稀少性,組織の異質性と闘い,診断の不安定性をもたらします.
• 乳がんの診断において,汚れのない組織を分析するための堅牢で自動化された方法の必要性は極めて重要です.

研究 の 目的:

• MHSIデータを用いて,正確で汚れのない乳がん診断のための新しいディープラーニングフレームワークを開発する.
• 病理学的評価のためのMHSIにおける弱い形態学的コントラストと高次元スペクトルの限界に対処するために.
• 階層的な注意力メカニズムを活用して,スライスレベルの診断を複数のインスタンス学習 (MIL) 問題として策定する.

主な方法:

• 新しい汚れのない乳のMHSIデータセットの構築.
• ハイパースペクトルMILのためのマルチスケール・ヒエラルキカル・アテンション・ネットワーク (MS-HAN) の提案,インセプションのような抽出器とプロトタイプベースのクラスタリングの正規化.
• 双重注意 (チャネルと空間) と,スライスレベルのラベルのみを使用したスライスレベルの分類のための自己注意を持つ階層集積器の実装.

主要な成果:

• MS-HANは,60人の患者からなる患者分割コホートで86.7%の精度と0.92のAUCを達成しました.
• このモデルは,いくつかの強力なMILベースライン (ABMIL,DS-MIL) に比べて統計的に有意な改善と,他のMILベースライン (CLAM,TransMIL) に比べて限界的な有意性を示した.
• 注意視覚化は,腫瘍に関連する領域と情報スペクトル範囲を強調し,モデルの解釈可能性を検証しました.

結論:

• MS-HANは,ハイパースペクトル特性を精製し,階層的なMIL集積を使用することによって,顕微鏡MHSIから堅牢でステンフリーな乳がん検出のための有望なアプローチを提供します.
• この研究は,高スペクトル特異的注意力メカニズムとプロトタイプの正規化が診断性能を改善する可能性を強調しています.
• MS-HANの臨床的有用性とその注意に基づく説明を確認するために,さらなるマルチセンターの検証と専門家のレビューが必要である.