基于滑片图像的跨癌症知识迁移在癌症预后预测中的应用
图像与视频处理
2025-12-03 v4 计算机视觉与模式识别
摘要
全切片图像（WSI）是估计癌症预后重要工具。当前研究通常遵循癌症特定范式，即每个癌症对应单个模型。然而，这一范式在扩展到罕见肿瘤时难以规模化，无法利用来自其他癌症的知识。虽然近期探索了多任务学习框架，但往往对计算资源要求高，并需要在超大型多癌症 WSI 数据集上进行大量训练。为此，本文转变范式，聚焦知识迁移，提出首个针对 WSIs 跨癌症预后知识迁移的系统性初步研究，称为 CROPKT。其包含三个主要部分：（1）我们构建了大型数据集（UNI2-h-DSS），包含 26 种癌症，用于衡量 WSIs 基于不同癌症（包括罕见肿瘤）预后知识的可转移性。（2）超出仅用于基准测试的简单评估，我们设计了一系列实验，以深入洞察转移性背后的底层机制。（3）进一步展示了跨癌症知识迁移的实用性，通过提出一种基于路由的基线方法（ROUPKT），可有效利用来自其他癌症成熟模型的知识。CROPKT 可作为为此新兴范式奠定基础——即利用跨癌症知识迁移进行 WSIs 基于预后预测的基础工作。我们的源代码已公开：https://github.com/liupei101/CROPKT。
引用
@article{arxiv.2508.13482,
title = {Cross-Cancer Knowledge Transfer in WSI-based Prognosis Prediction},
author = {Pei Liu and Luping Ji and Jiaxiang Gou and Xiangxiang Zeng},
journal= {arXiv preprint arXiv:2508.13482},
year = {2025}
}
备注
24 pages (11 figures and 10 tables)