CRISP -- Clustering-Based Redundancy-Reduced Instance Sampling for Pathology Case Representation and Retrieval
Author
- Haebom
Category
Empty
저자
Zahra Rahimi Afzal, Wataru Uegami, Saghir Alfasly, Saba Yasir, Judy C. Boughey, Matthew P. Goetz, Krishna R. Kalari, H. R. Tizhoosh
💡 개요
본 연구는 병리 진단에서 환자별 여러 장의 전체 슬라이드 이미지(WSIs)에 흩어진 종양 정보를 효과적으로 통합하고 활용하기 위한 자동화 프레임워크 CRISP를 제안합니다. CRISP는 각 WSI 내 중복성을 줄인 후, 클러스터링 기반 샘플링을 통해 환자 전체의 특징을 대표하는 압축된 패치 세트를 추출하여 진단 및 치료 계획을 위한 검색 인덱스로 활용합니다. 이를 통해 기존의 단일 슬라이드 선택 방식이나 전문가의 주관적 판단을 넘어, 여러 WSI에 분산된 임상적으로 유용한 정보를 효과적으로 발굴합니다.
🔑 시사점 및 한계
•
환자별 포괄적 정보 활용: 여러 WSI에 분산된 병리 정보를 자동화된 방식으로 통합하여 환자 전체를 보다 정확하게 표현하고 분석할 수 있습니다.
•
효율적인 데이터 처리: 기가픽셀 이미지 전체를 처리하는 대신, 대표적인 패치 세트만을 추출하여 계산 효율성을 높이고 대규모 병리 데이터셋 관리에 용이합니다.
•
자동화된 객관적 진단 지원: 전문가의 주관적 슬라이드 선택 과정을 자동화하고 객관화하여, 놓칠 수 있는 임상 정보를 발굴하고 진단 및 치료 계획 수립을 지원할 수 있습니다.
•
향후 과제: CRISP의 성능을 다른 종류의 암 데이터셋이나 다양한 병리 분석 태스크에 적용하여 일반화 가능성을 검증하고, 추출된 패치 세트의 임상적 해석을 강화하기 위한 연구가 필요합니다.
