Core Concepts
제안된 통합 그래프-트랜스포머 프레임워크는 지역 인스턴스 수준의 공간 관계와 전체 슬라이드 이미지의 장거리 상관관계를 동시에 포착하여 병리학 전체 슬라이드 이미지 분류 성능을 향상시킨다.
Abstract
이 논문에서는 병리학 전체 슬라이드 이미지(WSI) 분류를 위한 통합 그래프-트랜스포머 프레임워크(IGT)를 제안한다. IGT 프레임워크의 핵심 아키텍처는 그래프 트랜스포머 통합 블록(GTI)으로 구성되며, 각 GTI 블록은 인접 인스턴스 간의 공간 관계를 인코딩하는 그래프 합성곱 신경망(GCN) 레이어와 전체 WSI 표현을 캡처하는 글로벌 주의 모듈을 통합한다. 이를 통해 IGT는 지역 인스턴스 수준의 공간 관계와 전체 WSI의 장거리 상관관계를 동시에 모델링할 수 있다.
실험 결과, IGT 프레임워크는 TCGA-NSCLC, TCGA-RCC, BRIGHT 데이터셋에서 기존 최신 기법 대비 1.0%에서 2.6%의 정확도 향상과 0.7%에서 1.6%의 AUROC 향상을 보였다. 이는 제안된 방법이 병리학 WSI 분석에 효과적임을 입증한다.
Stats
TCGA-NSCLC 데이터셋에서 IGT는 기존 최고 성능 모델 대비 1.1%의 정확도 향상과 0.9%의 AUROC 향상을 보였다.
TCGA-RCC 데이터셋에서 IGT는 1.0%의 정확도 향상과 0.7%의 AUROC 향상을 보였다.
BRIGHT 데이터셋에서 IGT는 2.6%의 정확도 향상과 2.5%의 AUROC 향상을 보였다.
Quotes
"제안된 통합 그래프-트랜스포머 프레임워크는 지역 인스턴스 수준의 공간 관계와 전체 슬라이드 이미지의 장거리 상관관계를 동시에 포착한다."
"실험 결과, IGT 프레임워크는 기존 최신 기법 대비 1.0%에서 2.6%의 정확도 향상과 0.7%에서 1.6%의 AUROC 향상을 보였다."