数据集构建与预处理
建立涵盖BE全进展谱系的WSI数据集,并进行标准化预处理以供模型训练。
从BarrettNet队列中整理H&E染色WSI,排除非H&E染色和不完整数据,使用DeepLabV3-ResNet50分割组织前景,在5×、10×、20×、40×四个放大倍数下将前景分割为224×224像素非重叠瓦片。
Towards reliable morphological subtyping and cancer detection on Barrett's esophagus pathology through ensembling foundation models
基于BarrettNet多中心队列3528张WSI,比较19种基础模型结合MIL进行分型与癌症检测,含病理学家热图评估,但无外部验证及跨固定方式验证。
BarrettNet多中心队列(790例患者,3528张H&E全切片图像) N2EAC-MIL弱监督多实例学习模型 19种组织病理学基础模型(Histo-FMs)及ResNet50
10折蒙特卡洛交叉验证,每折训练集80%、验证集10%、测试集10%,患者层面分层防止数据泄漏 形态学亚型分型四分类:非Barrett正常组织、无异性增生Barrett化生、伴异性增生Barrett化生(LGD和HGD)、腺癌 EAC检测二分类:腺癌为癌症类,其余为非癌症类 WSI在5×、10×、20×、40×四个放大倍数下分割,使用224×224像素非重叠瓦片 集成模型通过Cohen's kappa选出的前五名单尺度模型进行概率软投票
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
建立涵盖BE全进展谱系的WSI数据集,并进行标准化预处理以供模型训练。
从BarrettNet队列中整理H&E染色WSI,排除非H&E染色和不完整数据,使用DeepLabV3-ResNet50分割组织前景,在5×、10×、20×、40×四个放大倍数下将前景分割为224×224像素非重叠瓦片。
评估19种基础模型在不同放大倍数下对形态学亚型分型和EAC检测的性能。
对每种基础模型提取瓦片级特征,不微调编码器,使用CLAM框架的N2EAC-MIL进行弱监督切片级分类,在四个放大倍数下分别训练,采用10折蒙特卡洛交叉验证。
评估模型间及模型与参考标准之间的一致性,选出专家一致性最高的五个模型。
计算Cohen's kappa评估模型预测与参考标准的一致性,计算Fleiss' kappa评估多评估者一致性,进行模型间两两一致性分析,按Cohen's kappa选出前五名ExCo模型。
评估聚合前五名ExCo模型能否提升形态学亚型分型和EAC检测性能。
对前五名ExCo模型在多放大倍数下的预测概率进行软投票平均,使用单侧配对Wilcoxon符号秩检验评估集成相对于单模型的改善。
评估模型注意力热图是否与诊断相关形态区域对齐。
从每种形态学亚型中随机选择一张正确预测的WSI,在模型最佳放大倍数下生成热图,由参与原始诊断评估的病理学家使用5点Likert量表评分,并计算ICC评估评分者间信度。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 组织固定 | PAXgene组织固定液 | Qiagen | -- |
| WSI数字化 | Leica Aperio GT 450 DX扫描仪 | Leica | -- |
| 模型训练 | GeForce RTX 3090 GPU | -- | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据集构建 | 队列来源与纳入排除标准:BarrettNet德国多中心队列,排除非H&E染色和不完整数据;样本量3528张WSI/790名患者;诊断类别分布 阅读提示:Methods 'Dataset'小节;Results 'Dataset'小节 |
| WSI预处理 | 分割模型DeepLabV3-ResNet50;瓦片大小224×224像素;四个放大倍数5×、10×、20×、40×;扫描仪Leica Aperio GT 450 DX,0.26 µm/pixel 阅读提示:Methods 'WSI preprocessing'小节;Fig. 8a |
| N2EAC-MIL模型训练 | 10折蒙特卡洛交叉验证划分比例80%/10%/10%;患者层面分层;学习率1e-5;正则化1e-7;bag weight 0.7;dropout 0.25;Adam优化器;注意力隐藏层512;特征投影768;最大epochs 1/2/5/10/20/50;早停策略 阅读提示:Methods 'Model training and evaluation'小节 |
| 集成模型构建 | 前五名ExCo模型选择依据Cohen's kappa;软投票概率平均;形态学亚型分型和EAC检测的ExCo模型列表 阅读提示:Methods 'Ensembling'小节;Fig. 8f |
| 病理学家热图验证 | 热图生成放大倍数选择依据;5点Likert量表;35张热图样本量;三名病理学家组成;ICC计算方式 阅读提示:Methods 'Pathologist validation'小节;Fig. S8–S9 |