Hierarchical Multi-Scale Graph Learning with Knowledge-Guided Attention for Whole-Slide Image Survival Analysis

Created by

Haebom

저자

Bin Xu, Yufei Zhou, Boling Song, Jingwen Sun, Yang Bian, Cheng Lu, Ye Wu, Jianfei Tu, Xiangxue Wang

💡 개요

본 논문은 암 예후 예측을 위해 Whole-slide Image(WSI) 내의 다중 스케일 상호작용과 공간적 계층적 관계를 모델링하는 계층적 다중 스케일 지식 기반 그래프 신경망(HMKGN)을 제안합니다. HMKGN은 기존의 공간 정보를 무시하는 어텐션 기반 MIL이나 정적인 그래프에 의존하는 그래프 기반 MIL과 달리, 지역적 셀 수준의 동적 그래프와 전역적 슬라이드 수준의 동적 그래프를 통해 계층적 구조와 공간적 지역성을 강제합니다. 또한, ROI 수준에서의 다중 스케일 통합은 광범위한 뷰에서의 거친 맥락적 특징과 지역적 패치-그래프 통합에서의 세밀한 구조적 표현을 결합합니다.

🔑 시사점 및 한계

•

WSI 분석에서 공간적 계층성과 다중 스케일 정보를 효과적으로 통합하는 새로운 그래프 신경망 프레임워크를 제시합니다.

•

제안된 HMKGN이 기존 MIL 기반 모델에 비해 생존 예측 성능을 크게 향상시켰음을 경험적으로 입증합니다.

•

본 연구는 지식 기반 어텐션을 활용하여 이미지 내의 중요한 특징을 학습하고 이를 생존 분석에 활용하는 가능성을 보여줍니다.

•

향후 연구에서는 더 다양한 종류의 암 데이터셋에 대한 검증 및 모델의 해석력 강화가 필요할 수 있습니다.

PDF 보기

Made with Slashpage