DPC-QA Net：面向组织病理图像的无参考双流感知与细胞质量评估网络
图像与视频处理
2025-09-22 v1 计算机视觉与模式识别
摘要
可靠的全切片成像 (WSI) 依赖图像质量，而�染色瑕疵、焦点模糊和细胞退化是常见问题。我们提出 DPC-QA Net，一种无参考双流网络，将基于小波的全局差异感知与通过核仿射和膜仿射实现的细胞质量评估相结合，后者通过 Aggr-RWKV 模块实现。跨注意力融合与多目标损失对齐感知与细胞线索。在不同数据集上，该模型对染色、膜和核问题检测准确率均超过 92%，且与可用性评分良好一致；在 LIVEC 和 KonIQ 上超越当前无参考图像质量评估 (NR-IQA) 方法。进一步的下游研究显示，预测质量与细胞识别准确率呈显著正相关（如核仿射/Dice、膜边界 F-score），实现了对 WSI 区域进行计算病理学的实用预筛选。
引用
@article{arxiv.2509.15802,
title = {DPC-QA Net: A No-Reference Dual-Stream Perceptual and Cellular Quality Assessment Network for Histopathology Images},
author = {Qijun Yang and Boyang Wang and Hujun Yin},
journal= {arXiv preprint arXiv:2509.15802},
year = {2025}
}