通过监督对比域适应提升全切片图像分类

组织病理成像领域的域迁移现象十分常见，这源于不同医院在染色和数字化协议上的差异。能够创建出通用域的鲁棒模型的实现，代表了一个需要解决的挑战。本文提出了一种新的域适应方法，用于处理来自多个中心的组织病理图像之间的变异性。具体而言，我们的方法在监督对比学习方法上添加了一个训练约束，以实现域适应并提高类间可分离性。在来自两个医院的六种皮肤癌亚型全切片图像的域适应和分类实验中，结果表明该方法具有实用性。与在特征提取后不使用域适应或进行染色归一化处理相比，实验结果反映出性能优于后者。