Effiziente Verarbeitung und Analyse von digitalen Pathologiedaten durch pyramidale Graph-Convolutional-Netzwerke mit multiskalarer Topologie

Unser vorgeschlagenes multiskalares Graph-Convolutional-Netzwerk (MS-GCN) ermöglicht die gleichzeitige Modellierung von Langzeitstrukturabhängigkeiten auf niedrigen Vergrößerungsstufen und hochauflösenden zellulären Details auf höheren Vergrößerungsstufen, ähnlich wie in der üblichen Analyse durch Pathologen. Die einzigartige Architektur des MS-GCN führt zu überlegener Leistung und Interpretierbarkeit gegenüber bestehenden Methoden.