评估挑战肾病理学案例的新型AI细胞基础模型
定量方法
2025-10-03 v1 人工智能
摘要
准确的细胞核分割是肾病理学下游任务的关键，因肾组织的形态多样性和影像变异性而 remains 挑战。虽然我们先前工作评估了早期AI细胞基础模型，但最新细胞基础模型的有效性尚不明了。本研究在人类人工评估框架下，对 2025 年的先进AI细胞基础模型（包括 CellViT++ 变体和 Cellpose-SAM）进行基准测试，对比使用 2024 年之前的三种常用细胞基础模型。我们进一步进行了基于融合的集成评估和模型一致性分析，以评估不同模型的分割能力。结果表明，CellViT++ [Virchow] 在独立模式下性能最佳，40.3% 的预测在精选的 2,091 个具有挑战性的样本上被评为“良好”，超越所有先前模型。此外，我们的融合模型实现了 62.2% 的“良好”预测，仅有 0.4% 的“坏”预测，显著减少了分割错误。值得注意的是，融合模型（2025）成功解决了我们先前研究中未能解决的大多数具有挑战性的案例。这些发现表明AI细胞基础模型在肾病理学中的发展潜力，并提供了一个包含具有挑战性样本的数据集，以支持未来的肾脏特定模型精炼。
引用
@article{arxiv.2510.01287,
title = {Evaluating New AI Cell Foundation Models on Challenging Kidney Pathology Cases Unaddressed by Previous Foundation Models},
author = {Runchen Wang and Junlin Guo and Siqi Lu and Ruining Deng and Zhengyi Lu and Yanfan Zhu and Yuechen Yang and Chongyu Qu and Yu Wang and Shilin Zhao and Catie Chang and Mitchell Wilkes and Mengmeng Yin and Haichun Yang and Yuankai Huo},
journal= {arXiv preprint arXiv:2510.01287},
year = {2025}
}