调整借口任务,以改善自我监督的学习在肺腺癌的组织病理学亚型分类的肺腺癌

科学领域:

• 计算病理学计算病理学
• 数字病理学数字病理学
• 机器学习在瘤学中

背景情况:

• 肺腺癌 (LUAD) 呈现出显著的形态异质性,主要有五种组织学亚型.
• 准确的LUAD亚型对诊断和治疗至关重要,但手动注释整个幻灯片图像 (WSIs) 是劳动密集型的.
• 监督深度学习模型对LUAD亚型表示希望,但需要广泛的标记数据.

研究的目的:

• 开发自主监督学习 (SSL) 借口任务,以减少 LUAD 组织学亚型的手动注释负担.
• 为了提高分类,利用H&E染色的WSIs中的多分辨率信息和染色特征.
• 提高计算模型在识别LUAD亚型方面的性能.

主要方法:

• 提出了三项新的SSL借口任务:预测多分辨率WSI之间的空间关系,并预测血素染料的欧染料.
• 从三个公共数据集中利用H&E染色的WSIs进行预训练.
• 对最先进的预训练和SSL方法进行SSL任务有效性和整体性能评估.

主要成果:

• 拟议的SSL任务在学习LUAD亚型化相关特征方面表现出有效性.
• 拟议的SSL任务集在分类准确性方面超过了其他预训练和SSL方法.
• 这些方法减少了在计算病理学中需要广泛的手动数据注释的需要.

结论:

• 自主监督学习提供了一种可行的方法,以减轻标签努力,开发准确的LUAD组织学亚型模型.
• 拟议的SSL任务有效地学习与LUAD分类相关的组织架构和细胞质特征.
• 这项工作在加速例行病理学诊断方面具有潜在的应用,并且可以扩展到其他癌症类型.