شبكات CNN المكافئة للدوران لعلم الأمراض الرقمي

نقترح نموذجًا جديدًا لتقسيم علم الأمراض الرقمي، استنادًا إلى الملاحظة أن صور علم الأمراض النسيجي تكون متماثلة بطبيعتها عند الدوران والانعكاس. باستخدام النتائج الحديثة حول شبكات الاعصاب التلافية المكافئة للدوران (rotation equivariant CNNs)، يستفيد النموذج المقترح من هذه التماثلات بطريقة مبدئية. نقدم تحليلًا بصريًا يظهر تحسن الاستقرار في التنبؤات، ونثبت أن استغلال الكفاءة الدوارة يحسن بشكل كبير أداء اكتشاف الأورام على مجموعة بيانات صعبة لمتلازمة الغدد الليمفاوية. كما نقدم مجموعة بيانات مشتقة جديدة تمكّن من المقارنة المبدئية بين نماذج التعلم الآلي، مع وجود مقاييس أولية. من خلال هذه المجموعة البيانات، تصبح مهمة تشخيص علم الأمراض النسيجي متاحة كمقاييس صعب للمبحوث الأساسي في مجال التعلم الآلي.