13、基于无监督聚类的葡萄膜黑色素瘤细胞学分析中感兴趣区域交互式选择方法

基于无监督聚类的葡萄膜黑色素瘤细胞学分析中感兴趣区域交互式选择方法

1. 引言

葡萄膜黑色素瘤是成年人最常见的原发性眼内恶性肿瘤。细针穿刺活检（FNAB）是葡萄膜黑色素瘤的标准护理手段，用于确诊并获取细胞样本进行基因表达谱（GEP）和细针穿刺细胞学（FNAC）分析以进行预后评估。

GEP分析虽能准确识别转移高风险患者，但商业GEP检测费用高昂、需特殊存储运输条件、周转时间长且仅在美国可用，还偶尔会出现检测失败的情况。因此，除GEP外，从FNAC中提取成像特征进行多尺度分析，可能为葡萄膜黑色素瘤的预后评估提供一种廉价且广泛可用的替代方法。然而，病理学家对FNAC进行分析既耗时又繁琐，且手动定义的细胞病理学特征在预测转移风险方面不够可靠。

为实现这一目标，我们开发了一种交互式工具——人机交互计算辅助工具（HICAT），它采用两步粗到细的无监督聚类方法支持感兴趣区域（ROI）的选择，并允许在应用时对ROI选择进行患者特定的细化。该工具能减少病理学家的工作量，提高工作流程效率，同时有助于病理学家建立对人工智能辅助工具的信任。HICAT将ROI的召回率从7.44%提高到42.32%，而精度保持在83%，平均每个FNAC可提取1318个ROI，其AI辅助的ROI选择工作流程比以前病理学家手动提取ROI快10倍以上。

相关工作方面，组织学全切片图像（WSI）和FNAC是病理学的两个主要焦点。针对WSI的ROI提取已有一些基于学习的算法，而FNAC分析目前主要基于手动识别的ROI。在医学成像中，粗到细的概念广泛应用于目标分割和ROI提取，人类与深度学习的交互目前主要局限于分割问题。

2. 方法

给定一个FNAC图像，我们旨在提取方形