Apr, 2024

预处理的重要性：一种用于 WSI 分类的片段搜索方法

PDF
TL;DR经过预处理，全幻灯片图像对分类性能有影响，我们的研究通过分析单领域和多领域数据集上预处理参数对推断和训练的影响，并提出了一种新的基于相似性的模拟退火方法来快速调整参数以提高单领域数据的推断性能，从而在该领域的准确性从 0.512 提高到 0.847。此外，我们还利用一种新的贝叶斯优化方法来搜索最佳预处理参数以提高多领域数据的训练性能，结果得到了 0.967 的高 AUC 值。我们强调 WSI 的更好预处理可以进一步提高组织学领域的准确性。
pre-processingwhole slide imagesclassification performanceparameter tuninghistology area
发现论文，激发创造
  • 领域特定预训练提高全切片图像分类的置信度

    该论文研究了域特定预训练模型对神经胶质母细胞瘤分类的影响和应用性，通过考虑目前最先进的多实例学习模型，CLAM 和 TransMIL，并评估模型的置信度和预测性能，表明域特定预训练有助于提高模型置信度并实现 WSI 基础的神经胶质母细胞瘤亚型分类的最新最佳性能。

    Feb, 2023

  • 分类整张切片图像：什么是重要的？

    通过系统地研究 WSIs 分类算法的不同设计选择，我们发现全局上下文信息并非越多越好，而是以局部小区域的细节信息为主要特征，此外，相较于在更大的数据集上进行无监督预训练，我们发现在更小、更专注的数据集上进行预训练可以更好地区分输入补丁的微妙差异。

    Oct, 2023

  • 利用聚类约束改善组织病理学图像的表征学习

    最近整个切片图像（WSI）扫描仪和计算能力的进展显著推动了人工智能在组织病理学切片分析中的应用。

    Oct, 2023

  • 基于自我蒸馏的全尺寸图像的更好特征 (BROW)

    基于 BROW 模型，我们提出了一种用于提取 WSI 特征表示的基础模型，通过使用自蒸馏框架预训练的转换器结构，改进模型的鲁棒性，并利用 WSI 的多尺度金字塔来增强其性能，我们在各种器官和组织的 WSI 上进行实验，证实了该模型的有效性、鲁棒性和良好的泛化能力，从而突出了其在 WSI 处理中的潜力和应用前景。

    Sep, 2023

  • 组织病理学图像搜索引擎的分析和验证

    在组织学和组织病理学影像档案中搜寻相似影像是一项关键任务，可用于患者匹配，从分类、诊断到预后和预测的各个方面。本文详细分析和验证了四种搜索方法（包括视觉词袋、Yottixel、SISH 和 RetCCL），其算法和结构进行了评估，同时提出需要进一步研究组织病理学图像搜索中准确性和最小存储需求这两个方面的问题。

    Jan, 2024

  • 数字病理学自监督相似度学习

    提出了一种适用于数字病理学领域的自监督方法，利用同构网络从全切片图像中提取特征来创建稳健和紧凑的图像描述符，其由长度为 128 的特征向量生成，并结合实验结果表明，相比于现有的 ImageNet 和通用的自监督特征提取方法，该方法在图像检索方面具有更好的表现。

    May, 2019

  • 是否进行预训练？组织病理学语义分割领域专用预训练的案例研究

    使用不同领域预训练模型对组织学影像进行初始化可显著提高疾病分类和细胞分割的效果，尤其对于腺体分割任务有显著的改善，而细胞分割任务则无明显改善。

    Jul, 2023

  • 克服基于 Patch 学习的限制，用于识别全扫描切片图像中的癌症

    本文讨论如何将深度学习用于对大型 WSI 图像进行癌症检测， 比较分析基于图像块或幻灯片的分类与需要在整个幻灯片上准确定位或分割癌症的方法之间的差异，并提出一种负数据采样策略，可显着降低假阳性率，并在肿瘤范围的错误率上取得 15% 的减少。

    Dec, 2020

  • 基于多头特征自适应的整张切片图像分类知识迁移

    本文提出了一种多头特征自适应模块，以促进源领域中的知识转移至目标领域，尤其适用于 WSI 分类；实验结果表明，我们的方法在多个数据集上均取得了最先进的性能，远优于从头开始训练的模型，证明了我们提出的方法的有效性。

    Mar, 2023

  • 基于变分信息瓶颈的特定任务微调，用于弱监督病理全幻灯片图像分类

    该研究提出了一种利用信息瓶颈理论实现的高效 WSI 微调框架，通过微调主干来实现仅依赖于 WSI 级弱标签的任务特定表示，显著提高了准确性和泛化性。

    Mar, 2023