基于基础模型的手术切缘自主标注
计算机视觉与模式识别
2025-12-01 v1 机器学习
医学物理
摘要
评估切缘是病理标本评估的核心任务，对患者预后具有深远影响。当前实践采用物理着色，着色方式不一，且烧焦 artifact 可能遮蔽组织切片上的真实切缘。我们提出了虚拟着色网络（VIN），用于在全切片图像上自主定位手术切面，从而减少对着色剂的依赖，实现切缘导向的标准化审阅。VIN 使用冻结的基础模型作为特征提取器，采用紧凑的两层多层感知机进行切片级分类，以识别烧焦一致的特征。数据集由 120 片来自 12 个人类扁桃组织块的血清学和碘染色（H&E）染色切片组成，约 2 TB 的未压缩原始图像数据上，经认证病理学家提供边界标注。在盲测测试中使用 20 片来自以前未见组织块的切片，VIN 生成的连贯切缘叠加层在序列切片上定性上与专家标注一致。定量上，整片区域准确率约为 73.3%，错误主要局限于不影响全切片切缘图连续性的有限区域。这些结果表明 VIN 捕捉了与烧焦相关的组织学特征，可为常规数字病理工作流程及后续切缘距离测量提供可复制、无油墨的切缘描绘。
引用
@article{arxiv.2511.22131,
title = {Autonomous labeling of surgical resection margins using a foundation model},
author = {Xilin Yang and Musa Aydin and Yuhong Lu and Sahan Yoruc Selcuk and Bijie Bai and Yijie Zhang and Andrew Birkeland and Katjana Ehrlich and Julien Bec and Laura Marcu and Nir Pillar and Aydogan Ozcan},
journal= {arXiv preprint arXiv:2511.22131},
year = {2025}
}
备注
20 Pages, 5 Figures