Dynamic Graph Representation with Knowledge-aware Attention for Histopathology Whole Slide Image Analysis

简介

我们提出了一种新的动态图表示算法，将组织病理学WSI（全幅切片图像）构想为知识图谱结构。具体而言，我们根据实例之间的头尾关系动态构建邻居和有向边嵌入。然后，我们设计了一种知识感知注意机制，通过学习每个邻居和边的联合注意力分数来更新头节点特征。最后，我们通过更新后的头节点的全局池化过程获得图级嵌入，作为WSI分类的隐式表示。我们的端到端图表示学习方法在三个TCGA基准数据集和内部测试集上的表现优于最先进的WSI分析方法。我们的代码可在https://github.com/WonderLandxD/WiKG上获得。
作者讲解

目前尚无作者解读视频，你可点击下方【许愿开讲】按钮，许愿作者开讲~
图表
解决问题

本论文旨在解决医学显微镜成像中的WSI分类问题，即如何有效地捕捉实例之间的交互。
关键思路

论文提出了一种新的动态图表示算法，将WSI看作知识图谱结构，并设计了一个基于知识的注意机制来更新节点特征。
其它亮点

该方法在三个TCGA基准数据集和内部测试集上均优于现有的WSI分析方法，代码已开源。
相关研究

在该领域的相关研究中，有一些使用图神经网络的方法来解决WSI分类问题，如GraphWSI和DeepGlobe。