DiffusionQC：基于扩散模型的组织病理学伪影检测
计算机视觉与模式识别
2026-01-21 v1
摘要
数字病理学在现代医学中扮演着至关重要的角色，为疾病诊断、预后和治疗提供了关键见解。然而，组织病理学图像通常包含在载玻片制备和数字化过程中引入的伪影。检测并排除这些伪影对于确保可靠的下游分析至关重要。传统的监督模型通常需要大量标注数据集，这既耗费资源，又无法泛化到新的伪影类型。为解决此问题，我们提出了 DiffusionQC，它利用扩散模型将伪影检测为干净图像中的离群点。该方法仅需一组干净图像进行训练，无需像素级伪影标注和预定义的伪影类型。此外，我们引入了一个对比学习模块，以显式地扩大伪影图像与干净图像之间的分布差异，从而得到了我们方法的增强版本。实验结果表明，该方法性能优于现有最先进技术，并具有跨染色泛化能力，且所需数据和标注显著减少。
引用
@article{arxiv.2601.12233,
title = {DiffusionQC: Artifact Detection in Histopathology via Diffusion Model},
author = {Zhenzhen Wang and Zhongliang Zhou and Zhuoyu Wen and Jeong Hwan Kook and John B Wojcik and John Kang},
journal= {arXiv preprint arXiv:2601.12233},
year = {2026}
}
备注
7 pages