基于分级注意力的多示例口腔癌病理分类

作     者：江慧敏 方立铭 陶龙 JIANG Huimin;FANG Liming;TAO Long

作者机构：皖南医学院医学影像学院安徽芜湖241000 

出 版 物：《中国医学物理学杂志》 (Chinese Journal of Medical Physics)

年 卷 期：2024年第41卷第8期

页      面：946-952页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 1003[医学-口腔医学] 08[工学] 100301[医学-口腔基础医学] 0836[工学-生物工程] 10[医学] 

基　　金：国家自然科学基金(11801199) 安徽省自然科学基金(1908085QA30) 皖南医学院中青年重点科研项目(WK2023ZZD04) 

主　　题：口腔癌 多示例学习 两级注意力 病理图像 

摘      要：针对病理数据超大尺寸、标注成本高昂等问题带来的病理分类准确率较低的问题,基于多示例网络,引入分级注意力模块,设计一种兼顾示例级和图像块级损失的病理分类算法。回顾性收集皖南医学院第一附属医院口腔颌面外科186例口腔癌(126例鳞癌、60例腺癌),其数字病理切片划分为验证集、测试集及训练集。首先对病理图像进行前后背景分割,去掉背景中的噪声部分,然后采用ResNet50对分割后的病理图像提取特征,并将特征输入第一级注意力网络,得到基于图像块的注意力得分和损失,再根据注意力得分对图像块进行排序重置标签输入第二级注意力网络,得到基于示例级别的损失,最后将两级注意力的损失作为模型的总损失,通过训练最终网络,得到口腔癌分类结果。实验结果表明,使用两级注意力的多示例网络准确率为78.95%,AUC为0.8430,相较于基线模型均有更高表现。