每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

基于图形的可解释全幻灯片图像分析框架

Created by
  • Haebom

作者

Alexander Weers、Alexander H. Berger、Laurin Lux、Peter Sch uffler、Daniel Rueckert、Johannes C. Paetzold

大纲

本文提出了一个新颖的框架，利用基于生物学信息的图表示来克服全切片图像 (WSI) 组织病理学分析在癌症诊断中的局限性。该框架基于尊重自然结构的组织区域而非任意网格构建图节点，并引入了一种自适应图缩减技术，该技术能够高效合并同质区域，同时通过学习到的嵌入保留诊断所需的重要细节。每个节点都增强了一组可解释的特征，这些特征可以捕获临床驱动的先验知识，然后图注意力网络会基于此压缩表示进行诊断。该模型具有卓越的性能、可解释性和资源效率。

Takeaways，Limitations

•
Takeaways：
◦
提出一种新方法来改进耗时且以专家为中心的 WSI 分析过程。
◦
通过基于生物知识的可解释图形表示来克服人工分割和黑盒预测的局限性。
◦
开发资源高效的模型，实现具有竞争力的结果（参数数量减少 13 倍，数据使用量减少 300 倍）。
◦
通过特征归因提供完整的可解释性。
◦
在癌症分期和生存预测任务中表现出色。
•
Limitations：
◦
论文中没有直接提及 Limitations（可能通过未来的研究进行补充）
👍
Made with Slashpage