双流多依赖图神经网络

精准癌症生存预测

通过形态亲和与全局共激活双依赖建模，多视角捕捉病理全切片图像中斑块间的复杂关联，提升生存分析精度并增强对特征扰动的稳定性。

Ma, Jiani · Gao, Qian · Bain, Chris · Imoto, Seiya · Liò, Pietro · 蔡宏民 · Chen, Hao · Song, Jiangning

Medical Image Analysis 2024

技术优势

双视图互补

形态亲和与全局共激活依赖从不同角度描述同一全切片图像，两个分支联合实现多视角建模，捕捉更全面的斑块关联。

更稳健

引入亲和引导的注意力重校准模块作为读出函数，提升对特征扰动的鲁棒性，预测更可靠稳定。

可解释洞察

通过高注意力斑块的形态学描述，模型提供可解释的预测依据，有助于医生理解风险来源。

应用场景

• 癌症预后分析：为癌症患者提供更精准的生存风险分层，辅助预后评估。
• 数字病理：自动建模全切片图像中斑块间复杂关联，减少人工阅片负担。
• 临床决策支持：提供可解释的生存预测与高注意力斑块形态，支撑个体化治疗决策。