肝癌定量分析的数字病理资源：数据集、基准与工具
计算机视觉与模式识别
2026-04-28 v1
摘要
肝癌，尤其是肝细胞癌（HCC），对全球疾病负拷造成严重影响。准确诊断和预后评估直接影响治疗选择和患者生存率，病理学检查是肝癌诊断的金标准。识别组织学切片上的多样组织成分和病理亚型对于估计手术后复发风险和总体预后至关重要。然而，目前大多数公开资源仍以整块切片图像（WSI）水平提供，而用于肝癌细粒度组织成分识别的密集标注数据集尚不充足，这阻碍了可复现模型开发和定量分析工具的部署。为此，我们发布 HepatoBench，一个基于补丁级别的肝癌图像数据库，包含七类关键组织成分的标注。基于 HepatoBench，我们训练并开源了一个深度学习分类模型作为组织识别工具。此外，我们训练了一个基于 WSI 的肿瘤/非肿瘤分割模型，用于自动在整块切片上定位病灶区域。通过将补丁级别的组织分类器与 WSI 水平的分割模型集成，我们构建 HepatoQuant，一个面向肝癌的端到端疾病特定区域定量工具，实现从 WSI 到组织成分解析和定量统计的统一工作流程。我们也开源了 HepatoBench、基准测试协议及相关工具，为肝癌病理学的自动化区域定量和公正的方法比较提供坚实基础。
引用
@article{arxiv.2604.22858,
title = {A Digital Pathology Resource for Liver Cancer Quantification with Datasets, Benchmarks, and Tools},
author = {Ying Xiao and Shimiao Tang and Xitong Ling and Weiming Chen and Jun Wang and Jiawen Li and Huaitian Yuan and Jianghui Yang and Bowen Li and Huan Li and Yiting Meng and Tian Guan and Yonghong He and Hongfang Yin},
journal= {arXiv preprint arXiv:2604.22858},
year = {2026}
}