GUIDE-US：基于 ISUP 分级的无配对组织病理知识蒸馏以微超声编码器
计算机视觉与模式识别
2026-02-24 v1 机器学习
摘要
目的：从微超声( micro-US)对前列腺癌(PCa)进行非侵入性分级，可加速分流并将活检指向最具攻击性的区域，但当前模型在粗粒度成像分辨率下难以推断组织微结构。方法：我们引入一种无配对的组织病理知识蒸馏策略，训练 micro-US 编码器以模拟预训练组织病理基础模型的嵌入分布，条件于国际泌尿病学会(ISUP)分级。训练无需患者水平配对或图像配准，组织病理输入在推断时不使用。结果：与当前最先进的方法相比，我们的方法在 60% 特异性下使对临床显著 PCa(csPCa) 的灵敏度提高 3.5%，在 60% 特异性下整体灵敏度提高 1.2%。结论：通过仅从成像数据实现更早且更可靠的癌症风险分层，我们的方法推进了临床可行性。源代码将在公布后公开发布。
引用
@article{arxiv.2602.19005,
title = {GUIDE-US: Grade-Informed Unpaired Distillation of Encoder Knowledge from Histopathology to Micro-UltraSound},
author = {Emma Willis and Tarek Elghareb and Paul F. R. Wilson and Minh Nguyen Nhat To and Mohammad Mahdi Abootorabi and Amoon Jamzad and Brian Wodlinger and Parvin Mousavi and Purang Abolmaesumi},
journal= {arXiv preprint arXiv:2602.19005},
year = {2026}
}
备注
Accepted to IPCAI 2026