C2P-GCN:用于结肠直肠癌分级的细胞到贴片图卷积网络.

科学领域:

• 计算病理学计算病理学
• 医学中的人工智能.
• 基于图形的机器学习

背景情况:

• 基于图形的学习被青用于结直肠癌组织学图像分析,因为它能够编码组织结构.
• 当前的方法往往无法捕捉整个幻灯片结构,并且需要大量的数据集.

研究的目的:

• 提出一种新的细胞到贴片图卷积网络 (C2P-GCN),用于改进结直肠癌组织学图像分级.
• 开发一种方法,将来自整个幻灯片图像 (WSIs) 的本地和全球组织结构信息集成在一起.

主要方法:

• 一个两阶段的图形形成方法:基于细胞组织的补丁级图形构建,然后使用补丁相似性的图像级图形构建.
• 在集成图表表示上使用基于多层 GCN 的分类网络.

主要成果:

• C2P-GCN有效地整合了本地补丁细节和全球WSI结构.
• 与现有模型相比,拟议的方法在显著减少培训数据要求的情况下证明了有效性.
• 在两个结直肠癌数据集上的实验验证证证了该方法的有效性.

结论:

• 通过利用双相图构造,C2P-GCN提供了一种强大的结直肠癌分级方法.
• 该方法增强了WSI结构数据的捕获,从而提高了性能和减少了数据依赖.
• 这种方法有望在癌症诊断中推进计算病理学.