[논문 리뷰] Context-aware Skin Cancer Epithelial Cell Classification with Scalable Graph Transformers

Lucas Sancéré, Noémie Moreau외 1명|arXiv (Cornell University)|2026. 02. 17.

Cutaneous Melanoma Detection and Management인용 수 0

한 줄 요약

본 논문은 전체-WSI 셀 그래프에서 확장 가능한 그래프 트랜스포머를 통해 건강한 대 종양 상피세포를 분류하고, 패치 기반 이미지 방법보다 성능이 우수하며 학습 시간이 더 빠르다.

ABSTRACT

Whole-slide images (WSIs) from cancer patients contain rich information that can be used for medical diagnosis or to follow treatment progress. To automate their analysis, numerous deep learning methods based on convolutional neural networks and Vision Transformers have been developed and have achieved strong performance in segmentation and classification tasks. However, due to the large size and complex cellular organization of WSIs, these models rely on patch-based representations, losing vital tissue-level context. We propose using scalable Graph Transformers on a full-WSI cell graph for classification. We evaluate this methodology on a challenging task: the classification of healthy versus tumor epithelial cells in cutaneous squamous cell carcinoma (cSCC), where both cell types exhibit very similar morphologies and are therefore difficult to differentiate for image-based approaches. We first compared image-based and graph-based methods on a single WSI. Graph Transformer models SGFormer and DIFFormer achieved balanced accuracies of $85.2 \pm 1.5$ ($\pm$ standard error) and $85.1 \pm 2.5$ in 3-fold cross-validation, respectively, whereas the best image-based method reached $81.2 \pm 3.0$. By evaluating several node feature configurations, we found that the most informative representation combined morphological and texture features as well as the cell classes of non-epithelial cells, highlighting the importance of the surrounding cellular context. We then extended our work to train on several WSIs from several patients. To address the computational constraints of image-based models, we extracted four $2560 imes 2560$ pixel patches from each image and converted them into graphs. In this setting, DIFFormer achieved a balanced accuracy of $83.6 \pm 1.9$ (3-fold cross-validation), while the state-of-the-art image-based model CellViT256 reached $78.1 \pm 0.5$.

연구 동기 및 목표

• 분석 중 조직 수준의 맥락을 잃는 패치 기반 WSI의 한계를 다룬다.
• 확장 가능한 Graph Transformer를 이용한 전체 WSI 셀 그래프 표현을 제안하여 상피세포를 분류한다.
• WSI-Graph와 TILE-Graphs 데이터셋에서 그래프 기반 방법과 이미지 기반 방법을 체계적으로 비교한다.
• 노드 특징 선택과 그래프 단순화가 분류 성능에 미치는 영향을 조사한다.

제안 방법

• 노드는 형질, 질감 및 클래스 특징을 갖는 핵으로 구성되고, 임계 거리 이내의 이웃 핵들을 연결하는 WSI 수준의 셀 그래프를 구성한다.
• 전문가의 종양 주석을 활용해 상피세포 라벨을 다듬어 종양 대 건강한 상피 노드 클래스를 만든다.
• 상피 앵커로부터 k-맥스 홉 이내의 노드를 보존하여 맥락과 계산 효율의 균형을 맞춰 그래프를 단순화한다.
• 타깃 클래스 특징을 마스킹하여 맥락 정보를 보존하고 이진 노드 분류(종양 대 건강)용 선형 복잡도 그래프 트랜스포머(SGFormer, NodeFormer, DIFFormer)를 평가한다.
• WSI-Graph와 TILE-Graphs에서 폴드 간에 그래프 기반 모델을 이미지 기반 기준선(CellViT256)과 비교하고, 조기 중단 없이 3-폴드 교차검증을 사용한다.
• 대형 GPU에서 Adam으로 학습하며 각 모델의 하이퍼파라미터를 이전 벤치마크에서 조정하고, 일반화를 평가하기 위해 서브그래프 및 무작위 노드 평가 프로토콜을 수행한다.

실험 결과

연구 질문

• RQ1 전체 WSI 셀 그래프 표현이 패치 기반 이미지 방법에 비해 건강 대 종양 상피세포의 구분을 개선할 수 있는가?
• RQ2 어떤 노드 특징(형태학, 질감, 세포 클래스)과 정규화 전략이 상피세포 분류를 가장 개선하는가?
• RQ3 선형 복잡도의 확장 가능한 Graph Transformer가 전통적인 GNN 및 이미지 기반 모델과 비교하여 WSI-Graph 및 TILE-Graphs 데이터셋에서 어떻게 수행하는가?
• RQ4 그래프 단순화(최대 홉 수)가 평가 프로토콜 전반에 걸친 분류 정확도와 강건성에 어떤 영향을 미치는가?

주요 결과

• 단일 WSI에서 SGFormer은 85.2 ± 1.5의 균형 정확도, DIFFormer은 85.1 ± 2.5를 달성하여 최적의 이미지 기반 방법인 81.2 ± 3.0을 능가했다.
• 여러 환자에 걸친 TILE-Graphs에서 DIFFormer은 83.6 ± 1.9의 균형 정확도에 도달했고 CellViT256은 78.1 ± 0.5였다.
• 그래프 기반 학습은 훨씬 빨랐으며, DIFFormer의 학습은 폴드당 약 32분인 반면 CellViT256은 약 5일이 걸렸다.
• 노드 특징 제거 실험은 형태학, 질감, 세포 클래스 특징의 조합과 z-점수 정규화가 최고의 일반화 성능을 보임을 보여준다(예: 형태학+질감+세포 클래스 + 정규화: 84.0 ± 2.8 서브그래프; 94.5 ± 0.4 임의 노드; 표 데이터 인용).
• 10 최대 홉의 그래프 단순화는 연결성과 성능 사이의 균형을 제공한다(86.6 ± 2.2 서브그래프; 95.0 ± 0.2 임의 노드).
• 전반적으로 그래프 기반 접근법(DIFFormer, SGFormer)은 내부 환자 및 다중 환자 데이터 세트 모두에서 이미지 기반 방법을 능가할 수 있으며 상당한 계산 효율을 제공합니다.