面向神经病理学分析的领域特定基础模型
计算机视觉与模式识别
2025-12-09 v1 人工智能
摘要
基础模型已通过从大规模组织学数据集中学习的通用表征，彻底改变了计算病理学领域。然而，现有模型主要在手术病理学数据上训练，该类数据以非神经组织为主，过度代表了肿瘤性、炎症性、代谢性及其他非神经疾病。神经病理学代表了组织病理学中明显不同的领域，特点是独特的细胞类型（神经元、星形胶质细胞等）、独特的细胞结构及特定的病理特征，包括神经纤维斑块、淀粉样斑块、莼尾体及特定的神经退行性病变模式。这种领域不匹配可能限制通用基础模型捕捉解读神经退行性疾病（如阿尔茨海默病、帕金森病和小脑萎缩症）所必需的形态学模式的能力。为此，我们开发了NeuroFM（Neuro Foundation Model），这是一款专门在脑组织whole-slide图像上训练的基础模型，涵盖多种神经退行性病理学。NeuroFM在多个神经病理学专用下游任务上均优于通用模型，包括混合性痴呆疾病分类、髑鞊区域分割以及神经退行性萎缩症识别（包括小脑essential tremor和spinocerebellar ataxia亚型）。本工作表明，针对脑组织训练的领域专门基础模型能更好地捕捉神经病理学特征，优于在通用手术病理学数据集上训练的模型。通过针对神经退行性疾病独特形态学景观进行优化，NeuroFM实现了更准确可靠的脑病疾病诊断和研究，为数字病理学领域特定模型开发树立了先例。
引用
@article{arxiv.2512.05993,
title = {Domain-Specific Foundation Model Improves AI-Based Analysis of Neuropathology},
author = {Ruchika Verma and Shrishtee Kandoi and Robina Afzal and Shengjia Chen and Jannes Jegminat and Michael W. Karlovich and Melissa Umphlett and Timothy E. Richardson and Kevin Clare and Quazi Hossain and Jorge Samanamud and Phyllis L. Faust and Elan D. Louis and Ann C. McKee and Thor D. Stein and Jonathan D. Cherry and Jesse Mez and Anya C. McGoldrick and Dalilah D. Quintana Mora and Melissa J. Nirenberg and Ruth H. Walker and Yolfrankcis Mendez and Susan Morgello and Dennis W. Dickson and Melissa E. Murray and Carlos Cordon-Cardo and Nadejda M. Tsankova and Jamie M. Walker and Diana K. Dangoor and Stephanie McQuillan and Emma L. Thorn and Claudia De Sanctis and Shuying Li and Thomas J. Fuchs and Kurt Farrell and John F. Crary and Gabriele Campanella},
journal= {arXiv preprint arXiv:2512.05993},
year = {2025}
}