DLiPath：基于组织病理学图像数据集的供体肝脏综合评估基准
图像与视频处理
2025-06-05 v1 人工智能
计算机视觉与模式识别
定量方法
摘要
病理学家对供体肝脏活检的综合评估，为接受或丢弃潜在移植物提供了关键信息。然而，术中快速、准确地获取这些评估结果对病理学家而言是一项重大挑战。供体肝脏活检中的特征，如汇管区纤维化、总脂肪变性、大泡性脂肪变性和肝细胞气球样变，与移植结局相关，但量化这些指标存在显著的观察者间和观察者内变异性。为解决这一问题，我们引入了 DLiPath，这是首个基于组织病理学图像数据集的供体肝脏综合评估基准。我们收集并公开发布了来自中南大学湘雅三医院病理科的 304 名供体肝脏患者的 636 张全切片图像，并附带关键病理特征（包括胆汁淤积、汇管区纤维化、汇管区炎症、总脂肪变性、大泡性脂肪变性和肝细胞气球样变）的专家标注。我们基于 DLiPath 数据集选择了九个 SOTA 多示例学习（MIL）模型，作为广泛比较分析的基线。实验结果表明，多个 MIL 模型在 DLiPath 的供体肝脏评估指标上实现了高准确率，为未来自动化、智能化的供体肝脏评估研究指明了清晰的方向。数据和代码可在 https://github.com/panliangrui/ACM_MM_2025 获取。
引用
@article{arxiv.2506.03185,
title = {DLiPath: A Benchmark for the Comprehensive Assessment of Donor Liver Based on Histopathological Image Dataset},
author = {Liangrui Pan and Xingchen Li and Zhongyi Chen and Ling Chu and Shaoliang Peng},
journal= {arXiv preprint arXiv:2506.03185},
year = {2025}
}
备注
Submit to ACM MM2025