空间受限制和不受限制的双图交互网络用于多器官病理学图像分类.
IEEE transactions on medical imaging
|July 31, 2024
概括
SCUBa-Net是一种新的双图形神经网络,通过整合空间和非空间图形结构来增强计算病理图像分析. 这种方法有效地捕捉复杂的相互作用,以获得更好的诊断见解.
科学领域:
- 计算病理学计算病理学
- 医疗图像分析 医学图像分析
- 图形神经网络是一个神经网络.
背景情况:
- 图形对于病理学图像分析是有价值的,揭示了各种特征.
- 现有的图形结构尚未完全整合到病理图像分析中.
- 不同的图形结构之间的相互作用仍未得到充分研究.
研究的目的:
- 提出SCUBa-Net,一种用于病理图像分析的并行双图神经网络.
- 为了利用图形卷积网络和变压器来增强特征提取.
- 研究新的图表间和图表内相互作用机制.
主要方法:
- SCUBa-Net使用两个不同的图表处理病理图像:空间受约束和空间不受约束.
- 引入了两个图表间交互块,用于每个图表内的节点对节点学习.
- 通过虚拟节点实现了全球和本地图对图交互区块,用于通过虚拟节点进行图对图的学习.
主要成果:
- 在四个多器官癌症数据集 (结肠直肠,前列腺,胃,膀) 中,SCUBa-Net 证明了其有效性.
- 拟议的交互块显著提高了图形学习效率和特征表示.
- 对比分析显示,与最先进的CNN,变形金刚和GNN相比,性能优越.
结论:
- SCUBa-Net为计算病理学图像分析提供了一个强大的新框架.
- 双重图形结构和交互块的集成在这个领域取得了进展.
- 这种方法有望提高各种癌症类型的诊断准确度.


