肾脏病理学中细胞核 AI 基础模型的评估
图像与视频处理
2025-02-10 v2 人工智能
计算机视觉与模式识别
摘要
细胞核实例分割是数字肾脏病理学中的关键任务。传统的自动分割方法在应用于未见数据集时往往缺乏泛化能力。最近，基础模型（FMs）的成功提供了一种更具泛化能力的解决方案，可能实现对任何细胞类型的分割。在本研究中，我们对三种广泛使用的最先进（SOTA）细胞核基础模型（Cellpose、StarDist 和 CellViT）进行了大规模评估。具体而言，我们创建了一个高度多样化的评估数据集，包含 2,542 张肾脏全切片图像（WSIs），来源于人类和大鼠样本，涵盖多种组织类型、尺寸和染色方法。据我们所知，这是迄今为止最大规模的此类评估。我们的预测分布定量分析揭示了肾脏病理学中持续存在的性能差距。在所评估的模型中，CellViT 在肾脏病理学中的核分割表现最优。然而，没有任何基础模型是完美的；肾脏病理学中一般核分割的性能差距仍然存在。
引用
@article{arxiv.2408.06381,
title = {Assessment of Cell Nuclei AI Foundation Models in Kidney Pathology},
author = {Junlin Guo and Siqi Lu and Can Cui and Ruining Deng and Tianyuan Yao and Zhewen Tao and Yizhe Lin and Marilyn Lionts and Quan Liu and Juming Xiong and Yu Wang and Shilin Zhao and Catie Chang and Mitchell Wilkes and Mengmeng Yin and Haichun Yang and Yuankai Huo},
journal= {arXiv preprint arXiv:2408.06381},
year = {2025}
}