利用病理学基础模型对 H&E 图像中的黑色素瘤进行全景分割
图像与视频处理
2025-07-21 v1 计算机视觉与模式识别
定量方法
摘要
黑色素瘤是一种侵袭性皮肤癌，具有进展迅速和转移潜力高的特点。准确表征黑色素瘤的组织形态对于预后和治疗规划至关重要。然而，从苏木精-伊红 (H&E) 染色的全切片图像 (WSI) 中手动分割组织区域是劳动密集型的，且容易出现观察者间的变异性，这促使了人们对可靠的组织自动分割方法的需求。在本研究中，我们提出了一种新型深度学习网络，用于对黑色素瘤 H&E 图像中的五类组织进行分割。我们的方法利用 Virchow2 作为特征提取器，这是一个在 310 万张组织病理学图像上训练的病理学基础模型。这些特征与原始 RGB 图像融合，随后由编码器-解码器分割网络 (Efficient-UNet) 处理以生成准确的分割图。所提出的模型在 PUMA 大挑战赛的组织分割任务中获得第一名，展现了稳健的性能和泛化能力。我们的结果表明，将病理学基础模型纳入分割网络以加速计算病理学工作流程的潜力和有效性。
引用
@article{arxiv.2507.13974,
title = {Leveraging Pathology Foundation Models for Panoptic Segmentation of Melanoma in H&E Images},
author = {Jiaqi Lv and Yijie Zhu and Carmen Guadalupe Colin Tenorio and Brinder Singh Chohan and Mark Eastwood and Shan E Ahmed Raza},
journal= {arXiv preprint arXiv:2507.13974},
year = {2025}
}
备注
Accepted by MIUA 2025