×

CGC网络

swMATH标识: 39633
软件作者: 周彦宁、西蒙·格雷厄姆、纳维德·阿莱米·库巴纳尼、穆罕默德·沙班、冯安恒、纳西尔·拉吉普特
说明: CGC网:用于结直肠癌组织学图像分级的细胞图卷积网络。结直肠癌(CRC)分级通常是通过评估组织学图像中腺体的形成程度来进行的。要做到这一点,重要的是通过评估细胞水平的信息和腺体的形态来考虑整个组织的微观环境。然而,目前用于CRC分级的自动化方法通常使用较小的图像块,因此无法将整个组织的微观结构用于分级目的。为了克服CRC分级的困难,我们提出了一种新的细胞图卷积神经网络(CGC-Net),它将每个大的组织学图像转换成一个图,每个节点由原始图像中的一个核表示,根据节点间的相似性将细胞间的相互作用表示为边缘。CGC网络除了利用节点的空间位置外,还利用核外观特征来进一步提高算法的性能。为了使节点能够融合多尺度信息,我们引入了自适应图相(adaptivegraphsage),这是一种以数据驱动方式结合多层次特征的图卷积技术。此外,为了处理图中的冗余,我们提出了一种抽样技术,去除密集核活动区域中的节点。我们发现,将图像建模为一个图形,使我们能够有效地考虑比传统基于贴片的方法大得多的图像(大约16倍大),并对组织微环境的复杂结构进行建模。我们在一个大的CRC组织学图像数据集上构建了平均超过3000个节点的细胞图,并报告了最新的结果,与最新的基于补丁和基于上下文的补丁技术相比较,证明了我们的方法的有效性。
主页: https://arxiv.org/abs/1909.01068
源代码: https://github.com/SIAAAAAA/CGC-Net
相关软件: 核弹;悬停网;HACT网络;梯度凸轮;DGL公司;GNNExplainer公司;火把;火炬视觉;NumPy公司;露天滑梯;图像网;阶梯土;组织学;曲径;组织实验室;蟒蛇;历史地图学
引用于: 0个出版物