宫 前: 一个多尺度的swin变压器- 基于宫的pap-Smear WSI分类框架.
Anwar Khan1, Seunghyeon Han2, Naveed Ilyas3
1Center for Cancer Biology, Vlaams Instituut voor Biotechnologie (VIB), Belgium; Department of Oncology, Katholieke Universiteit (KU) Leuven, Belgium; Department of Biomedical Science and Engineering (BMSE), Institute of Integrated Technology (IIT), Gwangju Institute of Science and Technology (GIST), Gwangju, South Korea.
Computer methods and programs in biomedicine
|July 14, 2023
概括
CervixFormer是一个新的AI框架,通过精确地识别整个幻灯片图像上的癌前和恶性病变来改善宫癌查. 与现有方法相比,这种先进的工具提供了更快,更可靠的诊断.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 子宫癌影响全球数以百万计的人,需要有效的查.
- 当前的计算机辅助诊断与全幻灯片图像分析和概括斗争.
- 需要改进宫癌查算法至关重要.
研究的目的:
- 开发CervixFormer,这是一个端到端的框架,用于评估宫癌前和恶性病变.
- 为了提高宫癌诊断的准确性和通用性,使用全幻灯片图像.
- 克服当前算法在处理染色变异和亚型成像方面的局限性.
主要方法:
- 开发了CervixFormer,这是一个基于Swin变压器的多尺度对抗组合学习框架.
- 利用自我注意力生成对抗网络 (SAGAN) 进行合成图像生成,以解决阶级不平衡.
- 采用多尺度变压器组合用于细胞识别和融合模型用于最终结果生成.
主要成果:
- 在一个私人数据集上在大约1.2分钟内实现了高回忆率 (0.940) 和精度 (0.934).
- 在四个独立的公共数据集中表现出强大的概括性.
- 在分类涂抹和细胞级数据集方面表现出卓越的性能,具有不同数量的类.
- 视觉化突出显示了从细胞核和细胞质中提取的特征.
结论:
- 在宫癌病变检测方面,CervixFormer显著超过现有的最先进的方法.
- 该框架提供了更好的回忆,准确性和计算效率.
- 宫Former代表了计算机辅助子宫癌查的重大进步.


