多尺度视觉Transformer架构在弥漫大B细胞淋巴瘤MYC基因重排计算机辅助预筛中的比较评估
《Scientific Reports》:A comparative study of vision transformer architectures evaluating MYC status prediction in diffuse large B cell lymphoma
【字体:
大
中
小
】
时间:2026年09月22日
来源:Scientific Reports 4.9
编辑推荐:
## 摘要
从苏木精-伊红(H&E)图像中预测弥漫大B细胞淋巴瘤(DLBCL)的MYC基因重排可以优化诊断分流。这一点至关重要,因为荧光原位杂交(FISH)检测仍然昂贵且耗时。我们评估了五种经过优化的视觉Transformer(ViT)范式以进行数字化预筛查基准测试:基础V
## 摘要从苏木精-伊红(H&E)图像中预测弥漫大B细胞淋巴瘤(DLBCL)的MYC基因重排可以优化诊断分流。这一点至关重要,因为荧光原位杂交(FISH)检测仍然昂贵且耗时。我们评估了五种经过优化的视觉Transformer(ViT)范式以进行数字化预筛查基准测试:基础ViT、T2T-ViT、CLIP-ViT、Swin Transformer和分层ViT。模型在来自120张全切片图像(WSI)的463,200个归一化组织切片块上进行了测试。各架构的评估指标包括预测准确率、受试者工作特征曲线下面积(AUROC)和推理吞吐量。分层ViT通过多尺度特征建模实现了最高的绝对分类准确率。在端到端模型中,Swin Transformer提供了有利的AUROC与吞吐量之间的平衡,其运行速度几乎快于分层ViT三倍(5.16 vs. 1.78 批/秒)。与此同时,T2T-ViT实现了最快的整体推理速度,达到11.17批/秒。Grad-CAM可视化显示,表现最佳的模型聚焦于形态学上相关的肿瘤区域。然而,可视化热力图并不能证实生物学正确性。总体而言,多尺度ViT架构能够有效预测DLBCL中切片块级别的MYC状态,其中Swin Transformer在速度和性能之间取得了平衡。由于本研究使用的是单一中心、切片块级别的数据集,在确立临床实用性之前,仍需要进行多中心及患者级别的全切片图像验证。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号