组织病理学图像中质量控制和生成模型的评估指标

本研究提出 ResNet-L2 (RL2)，一种用于评估组织病理学中生成模型和图像质量的新指标，旨在解决传统指标（如 Fréchet inception distance (FID)）在数据稀缺时的局限性。RL2 利用 ResNet 特征结合归一化流来计算隐空间中的 RMSE 距离，能够在多样化的组织病理学数据集上提供可靠的评估。我们在多种退化类型（如模糊、高斯噪声、椒盐噪声和矩形块）以及扩散过程上评估了 RL2 的性能。RL2 对退化程度增加的单调响应使其非常适合用于评估图像质量的模型，证明了其在组织病理学图像生成技术评估方面的重要进展。它还可以在从全切片图像采样时用于丢弃低质量块。与传统指标相比，RL2 也显著更轻量、更快速，且需要更少的图像即可给出稳定的指标值。