核心概念
提案するIGTフレームワークは、局所的な組織領域の文脈依存の関係的特徴と全スライド画像全体の大域的な表現を同時にモデル化することで、優れた組織病理学全スライド画像分類性能を実現する。
摘要
本論文では、組織病理学全スライド画像(WSI)の表現と分類のための新しい統合型グラフ・トランスフォーマー(IGT)フレームワークを提案する。IGTフレームワークの核となるのは、グラフ畳み込みネットワーク(GCN)と大域的注意機構を統合したグラフ・トランスフォーマー統合(GTI)ブロックである。
GCNは隣接する組織領域間の空間的関係性をモデル化し、大域的注意機構は全組織領域間の長距離依存性を捉える。これにより、局所的な組織関係性と全体的な文脈情報を同時に学習することができる。
提案手法をTCGA-NSCLC、TCGA-RCC、BRIGHTの3つの公開WSIデータセットで評価した結果、既存の最先端手法と比較して1.0%から2.6%の精度向上、0.7%から1.6%のAUROC向上を達成した。これは、局所的な空間関係性と大域的な文脈情報を統合的に捉えることの有効性を示している。
統計資料
提案手法はTCGA-NSCLCデータセットで91.6%の精度と96.7%のAUROCを達成した。
提案手法はTCGA-RCCデータセットで92.4%の精度と98.4%のAUROCを達成した。
提案手法はBRIGHT-6classデータセットで43.4%の精度と74.5%のAUROCを達成した。
引述
"提案するIGTフレームワークは、局所的な組織領域の文脈依存の関係的特徴と全スライド画像全体の大域的な表現を同時にモデル化することで、優れた組織病理学全スライド画像分類性能を実現する。"
"提案手法をTCGA-NSCLC、TCGA-RCC、BRIGHTの3つの公開WSIデータセットで評価した結果、既存の最先端手法と比較して1.0%から2.6%の精度向上、0.7%から1.6%のAUROC向上を達成した。"