使用注意引导的弱监督和全幻灯片图像特征在毒理病理学的诊断分类:在老鼠肝脏中的试点研究

科学领域:

• 数字病理学数字病理学
• 计算病理学计算病理学
• 毒理学病理学 毒理学病理学

背景情况:

• 整个幻灯片图像 (WSI) 的组织病理学分类对自动化方法具有挑战性,特别是在毒理学病理学中,由于复杂,微妙或罕见的特征.
• 现有的数字遗传病理学技术与毒理病理学数据集的细微差别作斗争,这些数据集往往严重失衡.

研究的目的:

• 开发一种创新的弱监督学习 (WSL) 方法,用于对数字化组织图像进行诊断分类.
• 为了提高在毒理病理学中组织病理学分析的准确性和可解释性.
• 解决数字病理学中复杂,微妙和不平衡数据所带来的挑战.

主要方法:

• 使用了最先进的自我监督视觉变压器来从WSI中进行强大的嵌入式提取.
• 实施了一种针对严重失衡的毒理病理学数据集而定制的新型指导注意力机制.
• 在缺乏监督的学习框架内,使用了最小的注释.

主要成果:

• 与以前的老鼠肝病变方法相比,诊断分类的曲线下面面积 (AUC) 提高了38%.
• 证明了卓越的注意力热图质量,提高了研究结果的解释性.
• 一组二进制分类器使有效的多类分类和兴趣区域识别成为可能.

结论:

• 拟议的WSL方法显著提高了诊断分类性能和热图在毒理病理学中的解释性.
• 这种方法提供了一个更有效,更准确的工具来支持毒理学病理学家的组织病理学分析.
• 这种方法有可能被整合到常规工作流程中,以提高效率和诊断支持.