在整个幻灯片图像上进行超图计算,以预测整个幻灯片图像的生存率

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
• 生物信息学是一种生物信息学.

背景情况:

• 组织病理学全幻灯片图像 (WSIs) 分析用于生存预测需要理解复杂的患者间和图像内相关性.
• 当前基于图形的方法往往忽略了高阶的相关性,限制了它们的表示能力.
• 现有的超图法很难统一多层次的高阶相关性.

研究的目的:

• 提出一个统一的框架,将多层次的高阶相关性整合到WSIs中,以改善生存预测.
• 解决现有的图形和超图形方法在捕获千兆像素基因病理图像中的复杂相关性的局限性.

主要方法:

• 开发了一种用于多级超图计算的跨内部超图计算 (I$^{2}$2HGC) 框架.
• 实现了超级图内部计算,以在单个WSIs内的补丁之间建模高阶相关性.
• 采用使用患者嵌入的跨超图计算来建模人口级别的高阶相关性,将内部和内部风险合并为最终预测.

主要成果:

• 超图形结构捕捉到比图形结构更丰富的相关性,包括双向和高阶相互作用.
• I$^{2}$2HGC框架有效地建模了 WSIs 中的拓和语义信息.
• 对TCGA癌症数据集的实验结果表明,与现有方法相比,其性能优越.

结论:

• 基于超图的方法在大规模医疗图像分析中捕捉复杂的相关性方面具有显著的优势,特别是对于WSIs.
• 拟议的I$^{2}$2HGC框架通过整合多层次的高阶相关性,为生存预测提供了一个强大的工具.
• 这种方法增强了WSIs用于临床结果预测的表现能力.