基于瓦片的 Paclitaxel 暴露可解释分类
计算机视觉与模式识别
2025-11-06 v2
摘要
医学图像分析是药物发现和前临床评估的核心领域，规模化、客观的读出结果可加速决策过程。我们针对从 C6 鼠瘤细胞的相位共相显微镜中对 Paclitaxel（Taxol）暴露进行分类这一任务提出方法，该任务面临剂量差异微小的挑战，传统的全图模型难以应对。我们提出一种简单的瓦片划分与聚合管线，该管线在局部图像块上操作并将瓦片输出组合成图像标签，在基准数据集上实现了最先进的准确率，较已发布的基线提高了约 20 个百分点，并通过交叉验证验证了这一趋势。为理解瓦片分类的有效性，我们进一步应用 Grad-CAM 和 Score-CAM 以及注意力分析，这些方法增强了模型的可解释性，并指向面向未来医学图像研究的鲁棒性方向。我们发布代码以促进复现和延伸。
引用
@article{arxiv.2510.23363,
title = {Interpretable Tile-Based Classification of Paclitaxel Exposure},
author = {Sean Fletcher and Gabby Scott and Douglas Currie and Xin Zhang and Yuqi Song and Bruce MacLeod},
journal= {arXiv preprint arXiv:2510.23363},
year = {2025}
}