衡量病理基础模型在空间域理解方面的基准
计算机视觉与模式识别
2026-05-26 v1 人工智能
摘要
病理基础模型（PFMs）已成为从全切片图像（WSIs）中学习可迁移表示的核心方法，通常通过下游临床终点进行基准测试。虽然此类任务水平的评估是必不可少的，但它们提供的关于表示本身编码什么方面的见解有限，特别是PFM嵌入是否能够区分有意义的组织区域以及捕获它们的空间关系。我们提出SpaPath-Bench，一个面向PFMs空间表示能力的表示水平基准。SpaPath-Bench将空间域识别（SDI）在配对的全切片图像和空间转录组（ST）数据上 formulation 为一种诊断任务。它精选了42个配对的WSI和ST切片，支持跨19个编码器和七种SDI方法的大规模评估，并使用三个互补标准衡量分区质量：无监督空间一致性、转录组参考一致性以及专家参考一致性。在83K次运行中，SpaPath-Bench揭示了不同的预训练范式捕获组织空间结构的不同方面，为构建下一代具有空间感知能力的计算病理模型提供了实用指导。代码和数据管道可在 https://bokai-zhao.github.io/SpaPath-benchboard/ 上获取。
引用
@article{arxiv.2605.25764,
title = {Benchmarking Pathology Foundation Models for Spatial Domain Understanding},
author = {Bokai Zhao and Yiyang Zhang and Yuanchi Zhu and Hanqing Chao and Long Bai and Tai Ma and Minfeng Xu and Ming Song and Tianzi Jiang},
journal= {arXiv preprint arXiv:2605.25764},
year = {2026}
}
备注
MICCAI2026