组织病理学图像嵌入的放大倍率泛化

组织病理学图像嵌入是计算机视觉中的活跃研究领域。大多数嵌入模型专门关注特定放大倍率级别。然而，组织病理学嵌入中一项有用的任务是训练一个不受放大倍率级别影响的嵌入空间。解决该目标的两种主要方法是域适应与域泛化，其目标放大倍率级别分别在训练中被引入或不被引入。尽管放大倍率适应在文献中已被充分研究，但据我们所知，本文是首篇关于组织病理学图像嵌入放大倍率泛化的工作。我们采用一种情景式可训练域泛化技术实现放大倍率泛化，即语义特征的模型无关学习（MASF），其基于模型无关元学习（MAML）概念工作。我们在具有四种不同放大倍率的乳腺癌组织病理学数据集上的实验结果表明了所提方法在放大倍率泛化上的有效性。