디지털 병리학에서 피라미드 그래프 합성곱 신경망을 이용한 다중 스케일 토폴로지 통합

그래프 합성곱 신경망(GCN)은 디지털 병리학에서 다양한 공간 범위의 구조 정보를 효과적으로 다룰 수 있는 강력한 대안이 되었다. 그러나 메시지 전달 알고리즘은 큰 이웃을 집계할 때 과도한 평활화 문제를 겪는다. 따라서 다중 범위 상호작용을 효과적으로 모델링하려면 그래프의 신중한 구축이 필요하다. 제안된 다중 스케일 GCN(MS-GCN)은 이 문제를 해결하기 위해 전체 슬라이드 이미지(WSI)의 다양한 배율 수준에 걸쳐 정보를 활용한다. MS-GCN은 낮은 배율에서의 장거리 구조적 의존성과 높은 배율에서의 고해상도 세포 세부 사항을 동시에 모델링할 수 있다.