Core Concepts
深層学習を用いたWSIの高解像度組織病理全スライド画像のモデリングにおける空間的解釈可能性を提供する新しい方法、Wsi rEgion sElection aPproach(WEEP)を提案します。
Abstract
背景と動機:深層学習は高解像度組織病理全スライド画像(WSI)のモデリングを可能にし、弱教師付き学習はタイルレベルデータの空間的予測可能性が必要です。
結果:WEEPは、モデルの解釈を向上させる新しい方法であり、乳がん計算パスウェイ領域でバイナリ分類タスクに適用されます。
方法論:MILフレームワークを利用したWEEPメソッドは、タイルレベルインスタンスに適用されます。
機械学習:Resnet-18 CNNモデルアーキテクチャとトレーニングセットで最適化された注意モジュールが使用されました。
結果:異なるモデリング戦略から選択された領域の定量的および視覚的分析が行われました。
Stats
WEEPアルゴリズムにより、WSIラベルの割り当てに必要なタイルセットが決定されます。
Quotes
"Deep learning enables the modelling of high-resolution histopathology whole-slide images (WSI)."
"We propose a novel method, Wsi rEgion sElection aPproach (WEEP), for model interpretation."