AAAIAug, 2023

RACR-MIL: 利用整片切片图像上的等级感知上下文推理进行弱监督的皮肤癌评级

PDF
TL;DR通过自动弱监督分级方法 RACR-MIL，将肿瘤 WSI 转化成以瓦片补丁为基础的袋模型，并利用基于注意力的多实例学习进行 WSI 级别的分级，通过三个关键创新解决了肿瘤分级中的一般性和特定性挑战，取得了在 cSCC 组织图像数据集上 2-9% 的分级改进和更好的肿瘤定位，对于难以分类的高危分级类别具有 5-20% 的精确度提高，并且能够应对类别不均衡的情况。
发现论文，激发创造
  • SCMIL: 稀疏上下文感知多实例学习用于预测全切片图像中的癌症生存概率分布

    通过稀疏上下文感知多实例学习框架，我们预测癌症存活概率分布，创新地将 WSI 的补丁根据形态特征和空间位置信息进行聚类，借助稀疏自注意力确定这些补丁之间的关系，使用可学习的补丁过滤模块 SoftFilter 仅考虑与任务相关的补丁之间的相互作用，并利用基于注册的混合密度网络预测个体患者的存活概率分布，实验证明我们的方法在存活预测方面胜过当前最先进的方法，提供更具临床意义和可解释性的结果。

    Jun, 2024

  • 上下文感知自监督学习整张切片图像

    本文提出了一种通过将全切片图像 (WHIs) 表示为图来进行肿瘤诊断的方法，使用图卷积网络 (GCN) 捕获 WSI 中的上下文依赖关系，并使用自监督学习获取无标签数据的训练增强。这种方法利用节点表示 WSI 的 patch，是一种包含上下文信息的模型方案，相比于现有方法或基于多实例学习（MIL）的方案实现了性能的提升。

    Jun, 2023

  • 基于小波引导的注意力模块与基于梯度的特征融合的皮肤癌分类

    通过使用新颖的注意机制来聚焦于不同对称性、质地和颜色等特征的差异以及提取皮损边界信息的梯度融合小波和软注意辅助特征，我们的模型在多类别且高度不平衡的数据集 HAM10000 上测试并取得了有希望的结果，F1 得分为 91.17%，准确率为 90.75%。

    Jun, 2024

  • 利用多个实例学习在整个切片图像中找到感兴趣区域

    通过弱监督的多实例学习方法，利用全幅显微镜图像整体癌症表型的预测来探索肿瘤检测和癌基因突变检测，结果显示与参考实现（AUC 0.96）相匹配的新型叠加多实例学习和关注多实例学习（AUC 0.97）对肿瘤和 TP53 突变的检测能力优于其他 AI 架构，并在不同放大级别下显示对形态特征的不同敏感性。

    Apr, 2024

  • CAMIL: 基于上下文的多示例学习用于大规模切片图像分类

    本研究开发了一种新的深度学习池化操作符 —— CHARM，以提高癌症诊断的准确性和可解释性，实验结果证明其在非小细胞肺癌和淋巴结转移的亚型识别方面优于其他弱监督分类算法。

    May, 2023

  • 基于 H&E 染色图像的临床信息启发的多实例学习框架用于患者级别结直肠癌分子亚型分类的研究

    通过使用深度神经网络（DNN）和多示例学习技术（MIL），结合临床先验知识，构建了一个名为 “CIMIL-CRC” 的模型，用于鉴别结直肠癌的亚型，结果显示其在区分不同亚型及患者级别分类方面表现优异。

    Jan, 2024

  • 一种基于注意力机制和多分辨率的前列腺全扫描图像分类和定位模型

    本文提出了一种基于注意力机制的多实例学习模型，用于幻灯片级别癌症分级和弱监督区域兴趣检测，并在前列腺癌中进行了实验，其利用可视化显著性图来选择信息瓷砖，提高了细粒度等级分类的性能。

    May, 2019

  • 多任务可解释性皮肤病变分类

    通过使用多任务少样本学习方法，我们提出了一种适应少量标记数据的多任务少样本学习方法，结合分割网络和分类网络，以实现对皮肤病变的自动分类和检测，提高皮肤癌的早期检测率。

    Oct, 2023

  • 基于文本引导的医学图像癌症检测增强

    利用临床报告来实现弱标签监督学习以提高癌症检测的准确性。通过将诊断和肿瘤位置文本提示整合到视觉语言模型的文本编码器中，可以有效地在视觉语言模型的潜在空间中进行弱监督学习的优化，从而提高训练的稳定性。在大规模癌症数据集上的广泛数量实验结果验证了我们的方法可以将人工标注工作量减少至少 70%，同时保持与竞争的全监督方法相当的癌症检测准确性（AUC 值 0.961 vs 0.966）。

    May, 2024

  • 利用自监督对比学习的全幻灯片图像表示进行黑色素瘤一致性回归

    本研究提出一种基于深度学习的黑色素瘤一致性回归模型，利用 SimCLR 方法进行自我监督学习，可以从数字化的 WSI 图像中预测恶性黑素瘤的一致性，实现了对 AI 系统的初步构建。

    Oct, 2022