皮肤组织病理学中的基础模型：皮肤组织分类
计算机视觉与模式识别
2025-10-27 v1 定量方法
摘要
皮肤病理学中 whole-slide 图像（WSI）的快速生成使得自动化处理和准确分类成为必要。本研究评估了两种基础模型（UNI 和 Virchow2）作为特征提取器用于将 WSIs 分类为三个诊断类别：黑色素样、基底性和鳞状病变。使用均值聚合策略将 patch 级别的嵌入聚合为 slide 级别的特征，随后用于训练多个机器学习分类器，包括逻辑回归、梯度提升树和随机森林模型。通过测试集上的精确率、召回率、真阳性率、假阳性率以及受试者工作特征曲线下面积（AUROC）评估性能。结果表明，Virchow2 提取的 patch 级别特征在大多数 slide 级别分类器中优于 UNI，尽管差异未达统计显著性。逻辑回归对 Virchow2 实现了最高的准确率（90%）。本研究还探索了数据增强技术和图像归一化以增强模型的鲁棒性和可泛化性。均值聚合方法提供了可靠的 slide 级别特征表示。所有实验结果和指标均通过 WandB.ai 进行跟踪和可视化，以促进可重复性和可解释性。这项研究突显了基础模型在自动化 WSI 分类中的潜力，为皮肤病理学诊断提供了可扩展且高效的方法，为 slide 级别表征学习的未来发展铺平了道路。
引用
@article{arxiv.2510.21664,
title = {Foundation Models in Dermatopathology: Skin Tissue Classification},
author = {Riya Gupta and Yiwei Zong and Dennis H. Murphree},
journal= {arXiv preprint arXiv:2510.21664},
year = {2025}
}