MSFusion:一个多源混合功能融合网络,使用H&E染色的基因病理图像准确分类侵袭性乳腺癌

科学领域:

• 数字病理学数字病理学
• 医疗图像分析 医学图像分析
• 在瘤学瘤学.

背景情况:

• 侵袭性乳腺癌 (IBC) 的准确分类对于治疗和生存至关重要,但由于瘤异质性而具有挑战性.
• 组织病理学图像需要整合来自多个核源的信息,以便精确的IBC分级.

研究的目的:

• 开发一种新的多源混合功能融合网络 (MSFusion),用于准确的侵入性乳腺癌分级.
• 通过有效地结合深度学习和手工制作的功能来提高IBC的诊断准确性.

主要方法:

• 推出了MSFusion,这是一个利用基于Swin变压器的多分支网络 (MSwinT) 的网络,用于深度学习功能和传统手工制作的功能.
• MSwinT采用多个分支来捕获多种核特征 (瘤,线粒,管状,上皮) 并使用KDC融合块与注意力机制集成它们.
• 合成了多源深度学习和手工制作的功能,以改善IBC诊断和分级.

主要成果:

• 与最先进的方法相比,MSFusion 在三个数据集 (Qilu,QDUH&SHSU,Databiox) 中表现出更高的性能.
• 获得的AUC为81.3% (Qilu),90.2% (QDUH&SHSU) 和82.1% (Databiox),验证了模型的有效性.
• 混合特征融合方法显著提高了IBC分级的准确性.

结论:

• 拟议的MSFusion网络为具有挑战性的侵袭性乳腺癌分级任务提供了强大的解决方案.
• 多源混合特征的有效整合提高了诊断准确性,可能改善患者的治疗结果.
• 在癌症诊断的计算病理学中,MSFusion代表了重大进步.