Self-supervised Contrastive Pre-training Integrated with Multi-level Co-attention for Survival Prognosis from Whole Slide Images

计算机科学 人工智能 培训(气象学) 心理学 模式识别(心理学) 地理 气象学
作者
Junxiu Gao,X. Q. Hao,Shan Jin,Hongming Xu
出处
期刊:Lecture notes in electrical engineering [Springer Science+Business Media]
卷期号:: 650-658
标识
DOI:10.1007/978-981-97-0855-0_62
摘要

Survival analysis is of paramount importance in guiding the development of optimal treatment strategies for cancer patients. Because of the rich prognostic information contained in whole slide images (WSIs), multiple instance learning (MIL) approaches integrated with WSI analysis have been widely used in survival risk prediction. However, existing MIL methods often fail to encompass the complete range of histological image features, including critical information from local tissue regions, which limits their performance in survival prognosis. To address this limitation, we employ a self-supervised learning mechanism to train a feature extractor which can capture the intricate characteristics of WSIs. Furthermore, we introduce an attention mechanism that incorporates local patches and clusters to guide the fusion of multi-level features for survival outcome prediction. The proposed method demonstrates excellent performance on the widely recognized TCGA-COAD dataset. Experimental findings indicate that the integration of pre-trained feature extractors with MIL method and the fusion of multi-level histological features yield notable advancements in survival risk predictions.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
zz发布了新的文献求助10
刚刚
科目三的应助被Vivian采纳,获得10
刚刚
刚刚
Ava的应助被活泼啤酒采纳,获得10
1秒前
1秒前
xinxin发布了新的文献求助10
2秒前
刘璐完成签到 ,获得积分10
2秒前
Wdw2236发布了新的文献求助10
2秒前
搜集达人的应助被研友_LNVX1L采纳,获得10
2秒前
3秒前
3秒前
slin_sjtu完成签到,获得积分0
4秒前
null的应助被可若好烦采纳,获得10
5秒前
lyn完成签到 ,获得积分10
5秒前
wg发布了新的文献求助10
6秒前
马颗粒发布了新的文献求助30
6秒前
SciGPT的应助被王亚奇采纳,获得10
7秒前
7秒前
7秒前
王晨发布了新的文献求助10
8秒前
烨采发布了新的文献求助10
9秒前
跳跃的南琴完成签到,获得积分10
9秒前
liumu发布了新的文献求助10
9秒前
复杂的海冬完成签到,获得积分10
10秒前
我不是驴熊完成签到,获得积分10
10秒前
传奇3的应助被明日秋风采纳,获得10
11秒前
11秒前
不是老羊完成签到,获得积分10
12秒前
活泼啤酒发布了新的文献求助10
12秒前
wjwless完成签到,获得积分10
12秒前
RobiN发布了新的文献求助10
13秒前
13秒前
852的应助被第一作者采纳,获得10
13秒前
研友_ZragOn发布了新的文献求助10
14秒前
少少少发布了新的文献求助10
14秒前
Cdvsd完成签到 ,获得积分10
14秒前
14秒前
14秒前
Nole的应助被从容的雅山采纳,获得10
15秒前
恩歪歪发布了新的文献求助10
15秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
八旗制度の研究 600
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8188088
求助须知:如何正确求助?哪些是违规求助? 9575942
关于积分的说明 21844291
捐赠科研通 7785857
什么是DOI,文献DOI怎么找? 3435158
关于科研通互助平台的介绍 2559529
邀请新用户注册赠送积分活动 2482065