nach oben

Erschienen in:

2018 | OriginalPaper | Buchkapitel

Graph CNN for Survival Analysis on Whole Slide Pathological Images

verfasst von : Ruoyu Li, Jiawen Yao, Xinliang Zhu, Yeqing Li, Junzhou Huang

Erschienen in: Medical Image Computing and Computer Assisted Intervention – MICCAI 2018

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

Deep neural networks have been used in survival prediction by providing high-quality features. However, few works have noticed the significant role of topological features of whole slide pathological images (WSI). Learning topological features on WSIs requires dense computations. Besides, the optimal topological representation of WSIs is still ambiguous. Moreover, how to fully utilize the topological features of WSI in survival prediction is an open question. Therefore, we propose to model WSI as graph and then develop a graph convolutional neural network (graph CNN) with attention learning that better serves the survival prediction by rendering the optimal graph representations of WSIs. Extensive experiments on real lung and brain carcinoma WSIs have demonstrated its effectiveness.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Which Way Round? A Study on the Performance of Stain-Translation for Segmenting Arbitrarily Dyed Histological Images

Nächstes Kapitel Fully Automated Blind Color Deconvolution of Histopathological Images

Chen, P.Y., Zhang, B., Al Hasan, M.: Incremental eigenpair computation for graph laplacian matrices: theory and applications. Soc. Netw. Anal. Min. 8(1), 4 (2018)CrossRef

Chung, F.R.: Spectral Graph Theory, no. 92. American Mathematical Society, Providence (1997)

Cox, D.R.: Regression models and life-tables. J. R. Stat. Society. Ser. B (Methodological) 34, 187–220 (1972)MathSciNetMATH

Dave, V.S., Al Hasan, M., Zhang, B., Reddy, C.K.: Predicting interval time for reciprocal link creation using survival analysis. Soc. Netw. Anal. Min. 8(1), 16 (2018)CrossRef

Defferrard, M., Bresson, X., Vandergheynst, P.: Convolutional neural networks on graphs with fast localized spectral filtering. In: Advances in Neural Information Processing Systems, pp. 3837–3845 (2016)

Gunduz, C., Yener, B., Gultekin, S.H.: The cell graphs of cancer. Bioinformatics 20(suppl\(\_\)1), i145–i151 (2004)CrossRef

Kalbfleisch, J.D., Prentice, R.L.: The Statistical Analysis of Failure Time Data, vol. 360. Wiley, Hoboken (2011)MATH

Kandoth, C., et al.: Mutational landscape and significance across 12 major cancer types. Nature 502(7471), 333–339 (2013)CrossRef

Katzman, J., Shaham, U., Cloninger, A., Bates, J., Jiang, T., Kluger, Y.: Deep survival: a deep cox proportional hazards network. arXiv preprint arXiv:1606.00931 (2016)

10.

Kramer, B.S., Berg, C.D., Aberle, D.R., Prorok, P.C.: Lung cancer screening with low-dose helical CT: results from the national lung screening trial (NLST). J. Med. Screen 18(3), 109–111 (2011)CrossRef

11.

Lamprecht, M.R., Sabatini, D.M., Carpenter, A.E., et al.: Cellprofiler™: free, versatile software for automated biological image analysis. Biotechniques 42(1), 71 (2007)CrossRef

12.

Li, R., Huang, J.: Fast regions-of-interest detection in whole slide histopathology images. In: Wu, G., Coupé, P., Zhan, Y., Munsell, B., Rueckert, D. (eds.) Patch-MI 2015. LNCS, vol. 9467, pp. 120–127. Springer, Cham (2015). https://doi.org/10.1007/978-3-319-28194-0_15CrossRef

13.

Li, R., Huang, J.: Learning graph while training: an evolving graph convolutional neural network. arXiv preprint arXiv:1708.04675 (2017)

14.

Li, R., Li, Y., Fang, R., Zhang, S., Pan, H., Huang, J.: Fast preconditioning for accelerated multi-contrast MRI reconstruction. In: Navab, N., Hornegger, J., Wells, W.M., Frangi, A.F. (eds.) MICCAI 2015. LNCS, vol. 9350, pp. 700–707. Springer, Cham (2015). https://doi.org/10.1007/978-3-319-24571-3_84CrossRef

15.

Li, R., Wang, S., Zhu, F., Huang, J.: Adaptive graph convolutional neural networks. arXiv preprint arXiv:1801.03226 (2018)

16.

Li, Y., Wang, J., Ye, J., Reddy, C.K.: A multi-task learning formulation for survival analysis. In: Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp. 1715–1724 (2016)

17.

Mayr, A., Schmid, M.: Boosting the concordance index for survival data-a unified framework to derive and evaluate biomarker combinations. PloS one 9(1), e84483 (2014)CrossRef

18.

Tibshirani, R., et al.: The lasso method for variable selection in the cox model. Stat. Med. 16(4), 385–395 (1997)CrossRef

19.

Yang, Y., Zou, H.: A cocktail algorithm for solving the elastic net penalized cox’s regression in high dimensions. Stat. Interface 6(2), 167–173 (2013)MathSciNetCrossRef

20.

Zhang, B., Hasan, M.A.: Name disambiguation in anonymized graphs using network embedding. In: Proceedings of the 26th ACM International on Conference on Information and Knowledge Management (2017)

21.

Zhu, X., Yao, J., Zhu, F., Huang, J.: Wsisa: making survival prediction from whole slide histopathological images. In: IEEE Conference on Computer Vision and Pattern Recognition, pp. 7234–7242 (2017)

Titel: Graph CNN for Survival Analysis on Whole Slide Pathological Images
verfasst von: Ruoyu Li
Jiawen Yao
Xinliang Zhu
Yeqing Li
Junzhou Huang
Verlag: Springer International Publishing
Buch: Medical Image Computing and Computer Assisted Intervention – MICCAI 2018
Print ISBN: 978-3-030-00933-5

Electronic ISBN: 978-3-030-00934-2

Copyright-Jahr: 2018
DOI: https://doi.org/10.1007/978-3-030-00934-2_20

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Premium Partner