跨任务预训练用于跨器官、跨扫描器腺癌分割

本短摘要描述了解答 COSAS 2024 竞赛中关于从组织学图像块进行跨器官、跨扫描器腺癌分割的解决方案。该任务中，组织类型癌症分割的主要挑战是更换获取设备（显微镜）和组织来自不同器官时所遇到的显著领域偏移。COSAS 提出的两个任务分别为：在来自三个不同器官的图像数据集上进行训练，然后在来自未见器官的数据上预测分割（数据集 T1）；在来自三个不同扫描器获取的图像数据集上进行训练，然后对使用另一未见显微镜获取的图像进行分割。我们通过实验三种不同策略来弥合领域偏移差距：为每个数据集进行标准训练、在数据集 T1 上预训练后在数据集 T2 上微调（反之亦然，我们称之为\textit{跨任务预训练}），以及在数据集 A 和 B 的组合上训练。我们的实验表明，跨任务预训练是领域泛化更有前景的做法。