用手工制作的特征预测的蒙面自动编码器:用于低监督食道癌分类的变压器
Yunhao Bai1, Wenqi Li2, Jianpeng An1
1the School of Electrical and Information Engineering, Tianjin University, Tianjin, China.
Computer methods and programs in biomedicine
|November 28, 2023
概括
本研究引入了多实例学习 (MIL) 框架,用于使用整个幻灯片图像 (WSI) 进行食道癌症分类. 这种新方法通过自我监督学习来增强特征提取,在WSI分析中实现高精度.
科学领域:
- 数字病理学数字病理学
- 计算瘤学是一种计算瘤学.
- 机器学习在医疗保健中的应用
背景情况:
- 食道癌的诊断依赖于组织病理学,整个幻灯片图像 (WSIs) 提供了数字优势.
- 世界工业信息系统存在存储和处理方面的挑战,通常缺乏用于分析的本地化注释.
- 多实例学习 (MIL) 用于WSI分类,但传统方法面临限制.
研究的目的:
- 从WSIs开发一个有效的基于MIL的框架来对食道癌症进行分类.
- 通过使用自主监督学习预训练来改善MIL的特征提取.
- 通过自动化WSI分析来减少病理学家的工作量.
主要方法:
- 提出了一个多实例学习 (MIL) 框架,用于全幻灯片图像 (WSI) 分析和食道癌症分类.
- 采用自我监督学习来预训练特征提取器,增强来自食道WSIs的代表性特征提取.
- 在食道WSIs的全面数据集上进行了广泛的实验.
主要成果:
- 拟议的MIL框架证明了效率,并超过了现有的方法.
- 在实验数据集上获得了93.07%的分类准确度和95.31%的曲线下面积 (AUC).
- 在WSI分析中验证了自我监督预训练对强大的特征提取的有效性.
结论:
- 提出了一种有效的MIL方法来对食道癌WSIs进行分类.
- 开发的癌症分类框架显示了自动化WSI分析的巨大潜力.
- 这些发现支持将先进的计算方法集成到数字病理学中,以改善诊断.
