Core Concepts
G-HANetは、組織ゲノム知識を効果的に蒸留し、単一モーダル全スライド画像推論を向上させる。
Abstract
組織ゲノムマルチモーダル手法ががん予後に成功を示す。
G-HANetはWSIベースの方法を大幅に上回り、競合力のあるパフォーマンスを達成。
CABとHSBは有効であり、それぞれ機能カテゴリーの特徴量を生成し、包括的な表現を提供。
ゲノム予測分析ではSpearman相関係数が0.2〜0.3であり、弱い正の関係が示される。
Kaplan-Meier生存曲線ではG-HANetが高リスクと低リスクコホートを区別する能力を示す。
Stats
多くのWSIおよびゲノムデータに基づくアルゴリズムが提案されている。
G-HANetは他の方法よりも優れたパフォーマンスを示す。