用于生存排序的整张幻灯片图像的神经网络图建模
Callum Christopher Mackenzie、Muhammad Dawood、Simon Graham、Mark Eastwood、Fayyaz ul Amir Afsar Minhas
第一届图形学习会议记录,PMLR 198:48:1-48:10,2022年。
摘要
评估癌症患者的预后前景是临床决策过程中的一个重要步骤,包括评估多千兆像素整张幻灯片图像(WSI)中的复杂组织结构。尽管文献中有几种方法,但WSI患者的有效风险分层已被证明具有挑战性,因为这些方法规模大,且现有方法无法有效模拟不同组织成分之间的相互关系。我们提出了一个图神经网络(GNN)模型,该模型基于生存分数对WSI的图形表示进行成对排序。该方法将空间尺度的深层特征及其空间上下文转换为图形神经网络,以生成生存分数。对来自癌症基因组图谱(TCGA)的乳腺癌患者的分析表明,所提出的GNN方法能够根据患者的疾病特定生存时间对患者进行排名,一致性指数为0.672美元/分0.058美元/分。这是对现有技术的重大改进,为WSI数据的神经图建模铺平了道路,以用于其他癌症类型的生存预测。
引用本文
相关材料