Jul, 2021
DeepSMILE: 自监督异质感知多实例学习用于基于 H&E 全切片图像的 DNA 损伤响应缺陷分类
DeepSMILE: Self-supervised heterogeneity-aware multiple instance learning for DNA damage response defect classification directly from H&E whole-slide images
Yoni Schirris, Efstratios Gavves, Iris Nederlof, Hugo Mark Horlings, Jonas Teuwen
TL;DR提出了 DeepSMILE，一个深度学习弱标签学习方法，用于需要分析 Hematoxylin 和 Eosin 染色的肿瘤细胞的 WSI，无需像素级或瓦片级注释，使用自监督预训练和异质性感知的深度多实例学习进行学习，用于 HRD 和 MSI 预测，将其与最先进的基因组标签分类方法进行比较，DeepSMILE 在多中心乳腺和结直肠癌数据集中提高了 HRD 和 MSI 的分类性能。